А.В. Скатков, А.А. Брюховецкий, Д.В. Моисеев
ФГАОУ ВО «Севастопольский государственный университет», РФ, г. Севастополь, ул. Университетская, 33
E—mail: dmitriymoiseev@mail.ru
DOI: 10.33075/2220-5861-2021-1-129-136
УДК 681.3
Реферат:
В настоящей работе рассматриваются основные особенности, связанные с разработкой и исследованием устройства на основе методов интеллектуальной технологии оценивания состояний природной среды. Необходимо отметить, что природо-технические объекты, а также процессы в них протекающие, характеризуются высокой сложностью и динамичностью, а значительная часть данных процессов до настоящего времени изучена и формализована далеко не полностью. Поэтому одно из важнейших направлений анализа данных в рассматриваемой области – применение в информационно-измерительных системах искусственных нейронных сетей. В работах ученых из различных стран показана высокая эффективность применения аппарата искусственных нейронных при решении отдельных задач обработки данных при классификации состояний природной среды.
Предлагаемый подход базируется на методах непараметрической статистики с использованием ранговых критериев и позволит осуществить в ходе мониторинга интеллектуальный анализ данных ключевых показателей природной среды, например, таких как гидрометеорологические данные об уровне загрязнения и составе воздуха, почвы, предельно допустимых выбросов вредных веществ, экологического контроля аномалий и другие. Представлены статическая, динамическая, интегральная и обобщенная модели классификации состояний природной среды. В планах дальнейших исследований предлагается оценить влияние объема выборки на статистическую чувствительность, статистическую устойчивость, области уверенного/неуверенного распознавания, а также построить систему поддержки принятия решений по обнаружению G-эффекта и рассмотреть адаптивный подход к построению оценочной матрицы.
Ключевые слова: системы мониторинга, статическая модель, динамическая модель, интегральная модель, обобщенная модель, ранговые критерии, интеллектуальная технология.
Для цитирования: Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Ранговый классификатор состояний природной среды // Системы контроля окружающей среды. 2021. Вып. 1 (43). C. 129–136.
СПИСОК ЛИТЕРАТУРЫ
- Гайский В.А., Гайский П.В. Многомерный гармонический анализ Фурье при измерениях полей морской среды // Системы контроля окружающей среды. 2019. Вып. 4 (38). С. 33–42.
- Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Интеллектуальная система мониторинга для решения крупномасштабных научных задач в облачных вычислительных средах // Информационно-управляющие системы. СПб.: Изд-во «ГУАП», 2017. № 2 (87). С. 19–25.
- Селиванова З.М. Интеллектуализация информационно-измерительных систем неразрушающего контроля теплофизических свойств твердых материалов. М.: Машиностроение-1, 2006. 184 с.
- Харисова З.И. Информационно-измерительная система для гранулометрического анализа жидких дисперсных сред на основе видеотехнических средств и нейросетевых технологий: автореф. дис. … канд. техн. наук. Уфа, 2018. 21 с.
- Rassell S., Norvig P. Artificial Intelligence: A Modern Approach, 3rd Edition. Pearson Education, 2010. 1095 p.
- Orlov S.P., Vasilchenko A.N. Intelligent measuring system for testing and failure analysis of electronic devices // 2016 XIX IEEE International Conference on Soft Computing and Measurements (SCM). IEEE Conference Publications. 2016. Vol. 1. 401–403.
- Посошков В.Л. Использование искусственных нейронных сетей для статистического оценивания ряда среднесуточных осадков // Системы контроля окружающей среды. 2002. Вып. 4. С. 146–153.
- Werner H., Obach M. New neural network types estimating the accuracy of response for ecological modelling // Ecological Modelling. 2001. Vol. 146. № 1- P. 289–298.
- Gevrey M., Dimopoulos I., Lek Review and comparison of methods to study the contribution of variables in artificial neural network models // Ecological Modelling. 2003. Vol. 160. № 3. P. 249–264.
- Ciavatta S., Pastres R., Badetti C., Ferrari G. Estimation of phytoplanktonic production and system respiration from data collected by a real-time monitoring network in the lagoon of venice // Ecological Modelling. 2008. Vol. 212. № 1- P. 28–36.
- Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.: Высшая школа, изд-во «Юнити», 1998. 1000 с.
- Кремер Н.Ш. Эконометрика. М.: ЮНИТИ-ДАНА, 2006. 311 с.
- Линник Ю.В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений. Изд. 2-е, доп. и испр. М.: Гос. изд-во физ.-мат. лит., 1962. 349 с.