Гетманець, О.О.ГетманецьПеліхатий, М.М.Пеліхатий2026-05-122026-05-122021Гетманець, 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/10.17721/1728-2713.93.1310.17721/1728-2713.93.13https://ir.library.knu.ua/handle/15071834/20288There is a certain problem in ecological monitoring of the environment state according to the measured values of a certain abiotic factor. Namely, how to build a continuous map of environmental pollution throughout the controlled area, based on the results of measurements carried out at a finite number of points inside the controlled territory. The aim of the work is to study the possibility of using the method of self organizing neural maps (SOM) for the problems of the ecological monitoring of the environment, and specifically for building an accurate continuous map of environmental pollution on the ground. The materials and methods of researches are the results of measurements the ambient equivalent of the continuous X-ray and gamma radiation dose rate on a territory of the historical center of Kharkiv has been used as research materials; processing of the obtained data by SOM's methods using MatLab 8.1 and STATISTICA 10 computer programs has been done. Results: in the process of 1000 self-learning cycles of a neural network of 100 initial active neurons randomly located on the controlled area map, 25 neural clusters have been obtained, the coordinates of the centers of which practically coincided with the 25 control points coordinates. A continuous map of the background radiation on the controlled area has been built. The accuracy of this map was no worse than 0.25 μR/hour. Conclusions: the possibility of using the SOM methods to build a continuous map of the level of environmental pollution on the ground based on the results of measuring the values of a certain abiotic factor in a finite number of points has been proven. It has been proven that this method is more accurate compared to the methods of regression mapping and cluster analysis, from which it is essentially different. The possibilities for a significant improvement in the accuracy of the method lie in increasing the number of initial neurons on the terrain map and the number of iterations during their training.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.ukекологічний моніторингрентгенівське та гамма-випромінюваннянейромережеві алгоритмисамонавчальні нейронні картиSOMecological monitoringX-ray and gamma radiationneural network algorithmsself organizing neuron mapsSOMСтаття