Вера Владимировна Тимофеева, V. Timofeeva, Г. П. Стручкова, G. P. Struchkova, Т. А. Капитонова, T. A. Kapitonova
{"title":"利用神经网络预测tabaga p . len地区的春季洪水最大值","authors":"Вера Владимировна Тимофеева, V. Timofeeva, Г. П. Стручкова, G. P. Struchkova, Т. А. Капитонова, T. A. Kapitonova","doi":"10.36535/0869-4176-2021-01-13","DOIUrl":null,"url":null,"abstract":"Прогнозирование максимальных уровней воды во время весеннего половодья на участках р. Лена необходимо для своевременной разработки превентивных мероприятий и минимизации размеров ущерба. Для чего предлагается использовать модели прогнозирования с использованием искусственных нейронных сетей (ИНС), которые обладают способностью обучаться, учитывать скрытые закономерности и приобретают исключительную важность при прогнозировании природно-техногенных экстремальных ситуаций. В статье приводится сравнение результатов прогнозирования с помощью сетей Элмана и многослойного персептрона (MLP). Сравниваются результаты использования различных структур сетей. Показано, что при моделировании на более длительный период, метод Элмана имеет небольшое преимущество перед методом MLP.","PeriodicalId":106979,"journal":{"name":"Проблемы безопасности и чрезвычайных ситуаций","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗА МАКСИМАЛЬНОГО УРОВНЯ ВЕСЕННЕГО ПОЛОВОДЬЯ НА УЧАСТКЕ Р. ЛЕНА ВОЗЛЕ П. ТАБАГА\",\"authors\":\"Вера Владимировна Тимофеева, V. Timofeeva, Г. П. Стручкова, G. P. Struchkova, Т. А. Капитонова, T. A. Kapitonova\",\"doi\":\"10.36535/0869-4176-2021-01-13\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Прогнозирование максимальных уровней воды во время весеннего половодья на участках р. Лена необходимо для своевременной разработки превентивных мероприятий и минимизации размеров ущерба. Для чего предлагается использовать модели прогнозирования с использованием искусственных нейронных сетей (ИНС), которые обладают способностью обучаться, учитывать скрытые закономерности и приобретают исключительную важность при прогнозировании природно-техногенных экстремальных ситуаций. В статье приводится сравнение результатов прогнозирования с помощью сетей Элмана и многослойного персептрона (MLP). Сравниваются результаты использования различных структур сетей. Показано, что при моделировании на более длительный период, метод Элмана имеет небольшое преимущество перед методом MLP.\",\"PeriodicalId\":106979,\"journal\":{\"name\":\"Проблемы безопасности и чрезвычайных ситуаций\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"1900-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Проблемы безопасности и чрезвычайных ситуаций\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.36535/0869-4176-2021-01-13\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Проблемы безопасности и чрезвычайных ситуаций","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36535/0869-4176-2021-01-13","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗА МАКСИМАЛЬНОГО УРОВНЯ ВЕСЕННЕГО ПОЛОВОДЬЯ НА УЧАСТКЕ Р. ЛЕНА ВОЗЛЕ П. ТАБАГА
Прогнозирование максимальных уровней воды во время весеннего половодья на участках р. Лена необходимо для своевременной разработки превентивных мероприятий и минимизации размеров ущерба. Для чего предлагается использовать модели прогнозирования с использованием искусственных нейронных сетей (ИНС), которые обладают способностью обучаться, учитывать скрытые закономерности и приобретают исключительную важность при прогнозировании природно-техногенных экстремальных ситуаций. В статье приводится сравнение результатов прогнозирования с помощью сетей Элмана и многослойного персептрона (MLP). Сравниваются результаты использования различных структур сетей. Показано, что при моделировании на более длительный период, метод Элмана имеет небольшое преимущество перед методом MLP.