МЕТОДИКА ОЦЕНКИ УРОВНЯ УСТОЙЧИВОСТИ ЭКОСИСТЕМ ПРИ ПОМОЩИ МАШИННОГО ОБУЧЕНИЯ
Аннотация
Представлена методика определения уровня устойчивости экосистем при помощи инструментов машинного обучения. До настоящего времени проведение подобной оценки было доступно только профессионалам высокого класса, что затрудняло ее широкое применение. Однако использование машинного обучения для обработки исходной информации на основе логики принятия решений позволяет автоматизировать эту процедуру и сделать её более быстрой и доступной для широкого круга специалистов. Дано практическое описание использования технологии автоматизации прогнозов, позволяющих определить риски для проживания населения на определенной территории. Построена модель устойчивости экосистем России. Точность моделирования превысила 80%. Найден наилучший алгоритм обработки данных и наилучшие его параметры для компьютерного определения уровня устойчивости экосистем, что позволяет автоматизировать сложный процесс экспертной классификации территории.
Ключевые слова
Об авторах
В. Н. Экзарьян
Российский государственный геологоразведочный университет
Россия
Россия
В. В. Рукавицын
Российский государственный геологоразведочный университет
Россия
Россия
Список литературы
1. Бондаренко Я.И., Зайонц И.О. Создание многофакторных космофотографических моделей природного риска хозяйственного использования территорий и проживания населения на примере г. Киева/ Бондаренко Я.И., Зайонц И.О. // Проблемы природопользования, устойчивого развития и техногенной безопасности: сб. статей. Днепропетровск, 2001. С. 61-66.
2. Демьянов Г.В., Назарова Н.Г., Никольский Н.Г., Никольский Ю.И., Таранова В.А. Карта аномалий гравитационного поля России и прибрежных территорий. Масштаб 1:10 000 000/Демьянов Г.В., Назарова Н.Г., Никольский Н.Г., Никольский Ю.И., Таранова В.А. СПБ: ФГУП «ВСЕГЕИ», 1995.
3. Лагутина Н.П., Остовская О.Е. Карта рельефа России. Масштаб 1:10 000 000./ Лагутина Н.П., Остовская О.Е. Омск: Картографическая фабрика Омска, 2005.
4. Литвинова Т.П., Шмиярова Н.П. Карта аномалий магнитного поля России и прибрежных территорий. Масштаб 1:10 000 000/ Литвинова Т.П., Шмиярова Н.П. СПБ: ФГУП «ВСЕГЕИ», 1995.
5. Заболеваемость населения по основным классам болезней, Статистическая информация. [Электронный ресурс] http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/ statistics/population/healthcare/#, дата обращения 15.05.2014.
6. Заболеваемость населения России в 2010 г. Статистические материалы. Часть 2. М., Минздравсоцразвития. 2011. С. 114-118. [Электронный ресурс]: http://www.rosminzdrav.ru/documents/ 6686-statisticheskay-informatsiya., дата обращения 12.05.2014.
7. Общая заболеваемость всего населения России в 2011 г. // Статистические материалы. Часть 2. М., Минздравсоцразвития. 2012. С. 231-235. [Электронный ресурс]: http://www.old.rosminzdrav.ru/docs/mzsr/stat/46/ZD2.DOC. Дата обращения 15.05.2013.
8. Шестопалов B.M., Зайонц И.О., БондаренкоЯ.И. Структурно-геодинамическое и гидрогеологическое районирование с целью выявления структур наиболее перспективных для глубинной изоляции РАО./ Шестопалов B.M., Зайонц И.О., Бондаренко Я.И.// Чернобыль - 97: сб. статей. Киев, Наука. 1998. С. 26-31.
9. Шмойлова Р.А. Общая теория статистики: Учебник. 3-е издание/ Шмойлова Р.А. М.: Финансы и Статистика, 2002. С 472.
10. Aha D., Kibler D. Instance-based learning algorithms./ Aha D., Kibler D// Machine Learning. 1991. No. 6. P. 37-66.
11. Breiman Leo. Bagging predictors./ Breiman Leo// Machine Learning. 1996. N 24. P. 123-140.
12. Breiman Leo. Random Forests. Breiman Leo // Machine Learning. 2001. N 45. P. 5-32.
13. Bondarenko J. The Multifactor Predictive Seis (GIS) Model of Ecological, Genetical and Population Health Risk in Connection with Dangerous Bio-Geodynamical Process in Geopatogenic Hazard Zones/Bondarenko J. Chicago: ECO-INFOrMA, 2001. P. 21-34.
14. Frank E., Wang Y., Inglis S., G. Holmes, I. WittenH. Using model trees for classification./Frank E., Wang Y., Inglis S., G. Holmes, I. Witlen H.// Machine Learning. 1998.N 32(1). P. 63-76.
15. Kampichler Christian, Sas o Dzeroski andWieland Ralf. Application of machine learning techniques to the analysis of soil ecological data bases: relationships between habitat features and Collembolan community characteristics./Kampichler Christian, Sas o Dzeroski and Wieland Ralf.// Soil Biology and Biochemistry. 2000. Vol.32 Issue 2. P. 197-209.
16. Mitchell T. Machine Learning./ Mitchell T.// McGraw-Hill Science/Engineering/Math. P. 5-6.
Рецензия
Для цитирования:
Экзарьян В.Н., Рукавицын В.В. МЕТОДИКА ОЦЕНКИ УРОВНЯ УСТОЙЧИВОСТИ ЭКОСИСТЕМ ПРИ ПОМОЩИ МАШИННОГО ОБУЧЕНИЯ. Известия высших учебных заведений. Геология и разведка. 2015;(1):38-42. https://doi.org/10.32454/0016-7762-2015-1-38-42
For citation:
Exzaryan V.N., Rukavitsi . N V.V. THE METHOD OF ESTIMATION OF THE ECOSYSTEMS STABILITY LEVEL BY USE OF AUTOMATIC LEARNING. Proceedings of higher educational establishments. Geology and Exploration. 2015;(1):38-42. (In Russ.) https://doi.org/10.32454/0016-7762-2015-1-38-42
Просмотров: 290
Послать статью по эл. почте 