САМОНАВЧАЛЬНІ НЕЙРОННІ КАРТИ В ЗАДАЧАХ ЕКОЛОГІЧНОГО МОНІТОРИНГУ
Тип публікації :
Стаття
Дата випуску :
2021
Автор(и) :
Гетманець, О.
Пеліхатий, М.
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Том :
2
Випуск :
93
ISSN :
1728-2713
Початкова сторінка :
112
Кінцева сторінка :
117
Цитування :
[APA 7] 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
[ДСТУ] Гетманець О., Пеліхатий М. SELF ORGANIZING NEURAL MAPS IN THE PROBLEMS OF ECOLOGICAL MONITORING. Вісник Київського національного університету імені Тараса Шевченка. Геологія. 2021. Vol. 2, no. 93. P. 112—117. DOI: 10.17721/1728-2713.93.13 (date of access: 17.07.2026).
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.
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.12 MB
Контрольна сума :
(MD5):e3f581241f6412ced5ca0fc72b27d60c
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International