САМОНАВЧАЛЬНІ НЕЙРОННІ КАРТИ В ЗАДАЧАХ ЕКОЛОГІЧНОГО МОНІТОРИНГУ

Гетманець, О., Пеліхатий, М. (2021). SELF ORGANIZING NEURAL MAPS IN THE PROBLEMS OF ECOLOGICAL MONITORING. Вісник Київського національного університету імені Тараса Шевченка. Геологія, 2(93), 112–117. https://doi.org/10.17721/1728-2713.93.13

При проведенні екологічного моніторингу стану довкілля за виміряними значеннями деякого абіотичного фактору існує проблема: як на підставі результатів вимірювань, що були проведені в кінцевому числі точок, побудувати цілісну неперервну карту забруднення на всій контрольованій території. Мета роботи: дослідити можливості застосування методу самонавчальних нейронних карт (Self Organizing Map – SOM) для завдань екологічного моніторингу довкілля, а саме для побудови детальної безперервної карти екологічних забруднень на місцевості. Алгоритм роботи SOM включає: 1) розташування на карті контрольованої території активної нейронної мережі заданої топології із заздалегідь визначеною кількістю вузлівнейронів; 2) вибір вхідного вектора з набору даних спостережень; 3) знаходження найбільш близького значення вектора вузла-нейрона ("нейрона-переможця") на карті; 4) визначення кількості найближчих сусідніх нейронів до нейрона-переможця; 5) навчання мережі, в ході якого значення вектора нейрона-переможця і найближчих сусідніх нейронів поступово змінюються, наближаючись до значення векторів вхідних нейронів – даних спостережень; 6) визначення помилки карти. Методи досліджень: вимірювання амбієнтного еквівалента потужності дози безперервного рентгенівського і гамма-випромінювання за допомогою дозиметра МКС-05 "ТЕРРА"; як матеріали досліджень було використано результати вимірювань потужності дози на території історичного центру м. Харкова; обробка отриманих даних методами SOM за допомогою комп'ютерних програм MatLab 8.1 та STATISTICA 10. Результати: у процесі 1000 циклів самонавчання нейронної мережі з 100 активних нейронів, розташованих випадковим чином на карті контрольованої території, було одержано 25 вихідних нейронних кластерів, координати центрів яких практично збігалися з координатами точок спостережень. Таким чином була отримана безперервна карта радіаційного фону на контрольованій території. Точність карти становила не гірше за 0,25 мкР/год. Висновки: у роботі доведено можливість застосування методу самонавчальних нейронних карт (SOM) для побудови детальної карти рівня екологічних забруднень на місцевості за результатами вимірювань значень деякого абіотичного фактору в кінцевому числі точок спостережень. Доведено, що даний метод є більш точним та надійним порівняно з методами регресійної картографії та кластерного аналізу, від яких він принципово відрізняється. Можливості істотного поліпшення точності методу полягають у збільшенні кількості початкових нейронів на карті місцевості і кількості ітерацій у процесі їх навчання.