Владимир Иванович Сырямкин, Борис Павлович Иваненко, Семён Александрович Клестов, Мария Денисовна Хильчук
{"title":"РАЗРАБОТКА СПЕЦИАЛИЗИРОВАННОГО ПРОГРАММНОГО КОМПЛЕКСА ДЛЯ НЕЙРОСЕТЕВОГО ПРОГНОЗА ПАВОДКОВЫХ ВОД","authors":"Владимир Иванович Сырямкин, Борис Павлович Иваненко, Семён Александрович Клестов, Мария Денисовна Хильчук","doi":"10.18799/24131830/2023/5/3859","DOIUrl":null,"url":null,"abstract":"Ссылка для цитирования Разработка специализированного программного комплекса для нейросетевого прогноза паводковых вод / В.И. Сырямкин, Б.П. Иваненко, С.А. Клестов, М.Д. Хильчук // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – Т. 334. – № 5. – С.205-216.\nАктуальность исследования обусловлена необходимостью разработки современных методов оперативного мониторинга состояния территорий из-за наличия различного рода стихийных явлений, в частности наводнений и паводковых затоплений. Решению этой проблемы уделяется большое внимание государствами, регионами, муниципалитетами и поселениями. Цель: разработка специализированного программного комплекса, предназначенного для решения задач краткосрочного и среднесрочного прогноза уровня паводковых вод на основе оперативных данных гидрологических наблюдений при минимальном наборе входных данных и с возможностью работать с данными аэрокосмических наблюдений. Объекты: участок, на котором происходит слияние рек Томи и Оби и ниже по течению Оби в местах расположения гидрологических постов: пос. Победа, с. Никольское, с. Молчаново. Методы: нейросетевое информационное моделирование. Результаты. Рассмотрена методика создания нейросетевого имитатора, предназначенного для обработки результатов гидрологических измерений и решения широкого круга практических задач, в том числе и прогностических. Разработана оригинальная методика построения обучающих выборок, позволяющая получать результаты при минимальном наборе исходных данных. Исследована эффективность и точностные характеристики нейросетевых алгоритмов при решении задачи прогноза уровня паводковых вод в период с 1 апреля по 30 июня 2011–2017 гг.","PeriodicalId":51816,"journal":{"name":"Bulletin of the Tomsk Polytechnic University-Geo Assets Engineering","volume":null,"pages":null},"PeriodicalIF":0.6000,"publicationDate":"2023-05-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bulletin of the Tomsk Polytechnic University-Geo Assets Engineering","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18799/24131830/2023/5/3859","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, GEOLOGICAL","Score":null,"Total":0}
引用次数: 0
Abstract
Ссылка для цитирования Разработка специализированного программного комплекса для нейросетевого прогноза паводковых вод / В.И. Сырямкин, Б.П. Иваненко, С.А. Клестов, М.Д. Хильчук // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – Т. 334. – № 5. – С.205-216.
Актуальность исследования обусловлена необходимостью разработки современных методов оперативного мониторинга состояния территорий из-за наличия различного рода стихийных явлений, в частности наводнений и паводковых затоплений. Решению этой проблемы уделяется большое внимание государствами, регионами, муниципалитетами и поселениями. Цель: разработка специализированного программного комплекса, предназначенного для решения задач краткосрочного и среднесрочного прогноза уровня паводковых вод на основе оперативных данных гидрологических наблюдений при минимальном наборе входных данных и с возможностью работать с данными аэрокосмических наблюдений. Объекты: участок, на котором происходит слияние рек Томи и Оби и ниже по течению Оби в местах расположения гидрологических постов: пос. Победа, с. Никольское, с. Молчаново. Методы: нейросетевое информационное моделирование. Результаты. Рассмотрена методика создания нейросетевого имитатора, предназначенного для обработки результатов гидрологических измерений и решения широкого круга практических задач, в том числе и прогностических. Разработана оригинальная методика построения обучающих выборок, позволяющая получать результаты при минимальном наборе исходных данных. Исследована эффективность и точностные характеристики нейросетевых алгоритмов при решении задачи прогноза уровня паводковых вод в период с 1 апреля по 30 июня 2011–2017 гг.