Экспертные заключения: 0
Консультации: 0

THALAS AI - приложение прогноза колебаний уровня воды на основе нейросетевых алгоритмов.

Создание приложения для повышения качества и точности прогнозов уровня, а также улучшения планирования круглогодичной навигации судов по Северному Морскому Пути

THALAS AI - Приложение модели колебаний уровня на основе нейросетевых алгоритмов.


Актуальность разработки приложения обусловлена следующими факторами:
1. С каждым годом усиливается интенсивность судоходства вдоль Северного Морского Пути (СМП).
2. Растёт число судоперевозок полезных ископаемых, топлива, нефти и т.д. по СМП
3. Идёт активное освоение Арктики и ее ресурсов.
4. Создаваемые цифровые сервисы позволяют решать широкий спектр функциональных задач для всех участников СМП, в т.ч. получать информацию о фактической гидрометеорологической обстановке в акватории СМП.
5. Важнейшим параметром, влияющим на безопасность мореплавания, является информация о фактических изменениях уровня моря, которые фиксируются мареографами, установленными в различных точках СМП. В рамках создания цифровых сервисов по гидрометеорологическому обеспечению, предполагается аккумулировать информацию со всех доступных мареографов на трассе СМП.

Цель проекта: Разработка приложения позволяющего выдавать прогнозы колебаний уровня на основе нейросетевых алгоритмов.

Задачи проекта:

Разработка нейронной модели

Создание web-приложения

Продвижение среди научных организаций.

Увеличение числа пользователей.

Установка и обслуживание работоспособности нейронной модели.

Ожидаемые результаты:

Функционирующее приложение к январю 2025 года.

Массовое использование системы судоходными и научными компаниями

Описание продукта:

Создание приложения для оперативного доступа к прогнозам гидрометеорологических параметров, выполненных на основе нейронного программирования, а также улучшения планирования круглогодичной навигации судов по Северному Морскому Пути.

Потенциальные потребительские сегменты:

Министерство обороны РФ
Частные компании осуществляющие грузоперевозки по северному морскому пути
Росатомфлот
ПАО Газпром
Роснефть

Бизнес-модель

1. Проблема

Низкий экономический эффект и объем от транспортировки груза по СМП; СМП используется не на полную мощность; Низкое качество прогнозов.

2. Ключевые сегменты потребителей

Компании осуществляющие грузоперевозки по СМП

3. Ценностное предложение

Приложение THALAS AI, позволяющее делать прогнозы колебаний уровня на основе искусственного интеллекта, поможет транспортным компаниям осуществляющим грузоперевозки по СМП решить проблему заблаговременности прогнозов колебаний уровня воды, увеличить горизонт планирования и эффективность транспортировки груза

4. Решение

Создание приложения прогноза колебаний уровня на основе Искусственного интеллекта. Это улучшит качество прогнозов воды за счет распространения сети гидрометеорологических станций на пути СМП. Поможет своевременно принимать решения по логистическим мероприятиям. Увеличит эффективность транспортировки и количество груза.

5. Каналы распространения

Конференции, прямые встречи.

6. Потоки поступления доходов

Ежемесячная/ежегодная оплата доступа к приложению. Оплата за переобучение/обучение новой нейронной модели. Оплата за обновление весов старой нейронной модели.

7. Структура издержек

Затраты на разработку:
- Оплата услуг специалистов по разработке (в основном разработка самостоятельно, понадобится дизайнер)
- Покупка сервера для системы
- Открытие ЮЛ
- Установка станций по СМП.

Постоянные расходы:
- Оплата бухгалтера
- Оклады сотрудников (сис.админ, менеджер, программист, маркетолог)
- хостинг, домен
- Налоги на оклад сотрудников
- Непредвиденные постоянные расходы

Переменные расходы:
- Налоги УСН
- Премиальная составляющая сотрудников, зависящая от продаж

8. Ключевые метрики

Количество и оправдываемость выдаваемых прогнозов.

9. Скрытое преимущество

Уникальная модель прогнозирования колебаний уровня

Ссылка

На страницу проекта

Направление

IT, Транспорт, Геология, геодезия и метеорология

Рынки

TechNet

Сквозные технологии

Искусственный интеллект, Геоинформационные системы, Технологии хранения и анализа больших данных