DSTU的研究人員開發了一種方法處理從太空獲取的沿海和海洋系統圖像。與傳統方法相比，新方法可以使用精確的4D模型處理海岸系統遙感數據，並提高預測計算的準確度。該研究是在俄羅斯科學院通訊院士，DSTU複雜系統數學建模與預測研究所所長亞歷山大· 蘇希諾夫的指導下進行的。由於對石油洩露、極端風暴潮等危險事件的預測必須在加速的時間尺度下進行，因此計算中使用了現代超級計算機系統。
DSTU四年級研究生，計算機系統和信息安全教研室高級講師娜塔莉亞·帕納森科向俄新社介紹說： “我們的並行算法和程序使我們能夠考慮到氣象狀況和實際水文情況，在極短時間內預測情況的發展。這在發生石油洩露、有害物質和有毒物質一時排放、風暴潮等緊急情況時尤其重要。”
該研究小組根據DSTU與俄航天集團之間的協議，以及從公開來源獲取空間傳感數據。生成的圖像使用人工智能方法（包括神經網絡技術）進行處理。特別是，使用Python編程語言的機器學習方法來分析和聚類對象——浮游生物種群、懸浮物、石油污染和水生態系統中的其他物體的斑點。
作者通過對2020年獲得的亞速海的一些衛星圖像進行計算實驗，證實了這種方法的有效性。該項目的進一步發展將涉及改進所使用的神經網絡技術，以及運用深度學習方法（Deep Learning）來預測亞速海浮游生物種群、海表面膜污染、包括油膜污染的動態。
該項研究的作者認為，所開發的綜合系統的新模型、並行算法和程序將顯著降低時間成本，提高預測沿海系統發生危險和不良事件的準確性和可靠性。
該項研究是在2019年俄羅斯基礎研究基金會（RFBR）資助（“研究生”）框架內進行的（第19-37-90070號資助項目，“基於遙感數據分析和預測海岸系統狀況的數學模型和數值方法”）。