Нейросетевая модель оценки и прогнозирования экологического риска изменения состояния лесного фонда

  • В.В. Бурлуцкий Югорский НИИ информационных технологий (Ханты-Мансийск, Россия) Email: BurlutskyVV@uriit.ru
  • Г.А. Кочергин Югорский НИИ информационных технологий (Ханты-Мансийск, Россия) Email: Kocherginga@uriit.ru
  • А.Л. Царегородцев Югорский НИИ информационных технологий (Ханты-Мансийск, Россия) Email: TsaregorodtsevAL@uriit.ru
  • А.В. Якимчук Югорский НИИ информационных технологий (Ханты-Мансийск, Россия) Email: AV_Yakimchuk@mail.ru
Ключевые слова: нейронные сети, машинное обучение, градиентный спуск, искусственный интеллект, геоинформационный анализ, экологические риски

Аннотация

 Представлены результаты разработки и вычислительные аспекты нейросетевой модели оценки и прогнозирования экологических рисков изменения состояния лесных массивов на территории Ханты-Мансийского автономного округа - Югры с использованием разнородных многомерных данных о произошедших в 2011-2017 гг. авариях на трубопроводах. В основе разработанной модели лежат методы машинного обучения, позволяющие определить степень риска возникновения повторных аварийных ситуаций на территории лицензионных участков, и методы гео-информационного анализа, которые использовались для построения прогнозной карты рисков негативного воздействия на земли лесного фонда в 2018 г Достоверность обсуждаемых результатов подтверждена проведенными численными экспериментами. Показано, что результаты моделирования удовлетворительно согласуются с данными дистанционного космического и наземного мониторинга, а также данными аэрофотосъемки. Главным результатом работы является вывод о возможности использования разработанной модели при осуществлении контрольно-надзорной деятельности с целью выявления территорий, наиболее подверженных рискам загрязнения нефтью и нефтепродуктами.

Скачивания

Данные скачивания пока недоступны.

Metrics

Загрузка метрик ...

Биографии авторов

В.В. Бурлуцкий, Югорский НИИ информационных технологий (Ханты-Мансийск, Россия)
Г.А. Кочергин, Югорский НИИ информационных технологий (Ханты-Мансийск, Россия)
А.Л. Царегородцев, Югорский НИИ информационных технологий (Ханты-Мансийск, Россия)
А.В. Якимчук, Югорский НИИ информационных технологий (Ханты-Мансийск, Россия)

Литература

План мероприятий по совершенствованию контрольно-надзорной деятельности в Российской Федерации на 2016-2017 годы : распоряжение Правительства Российской Федерации от 1 апреля 2016 г. № 559-р // Электронный фонд правовой и нормативно-технической документации.

Об утверждении критериев отнесения объектов, оказывающих негативное воздействие на окружающую среду, к объектам I, II, III и IV категорий : постановление Правительства Российской Федерации от 28 сентября 2015 г. № 1029 // Электронный фонд правовой и нормативно-технической документации.

О критериях отнесения производственных объектов, используемых юридическими лицами и индивидуальными предпринимателями, оказывающих негативное воздействие на окружающую среду, к определенной категории риска для регионального государственного экологического надзора и об особенностях осуществления указанного надзора : постановление Правительства Российской Федерации от 22 ноября 2017 г. № 1410 // Электронный фонд правовой и нормативно-технической документации.

Волков Н.В., Донцов А.А., Лагутин А.А. Разработка геопортальной системы для решения задач регионального космического мониторинга // Известия Алтайского гос. ун-та. 2013. № 1/2 (77).

Донцов А.А., Волков Н.В., Лагутин А.А. Разработка технологии организации каталогов спутниковых данных // Известия Алтайского гос. ун-та. 2014. № 1/2 (81).

Чаплинский А.В., Плаксин С.М. Управление рисками при осуществлении государственного контроля в России // Вопросы государственного и муниципального управления. 2016. № 2.

Авдийский В.И., Безденежных В.М., Катаева Е.Г Управление рисками как ключевой элемент обеспечения реализации риск-ориентированного подхода в деятельности хозяйствующих субъектов // Экономика. Налоги. Право. 2017. №6.

Акинина Н.В., Псоянц В.Г., Колесенков А.Н., Таганов А.И. Теория и практика применения нечетких сетей Петри для мониторинга экологических рисков // Вестник Томского гос. ун-та.2017. №41.

Полищук Ю.М., Кокорина Н.В., Кочергин Г.А., Перемитина Т.О., Токарева О.С. Методология оценки экологического риска воздействия точечных источников атмосферного загрязнения на основе данных биоиндикации // Проблемы анализа риска. 2011. Т. 8, №4.

Карташев Е.А., Царегородцев А.Л. Автоматизированная информационная система поиска и анализа информации в сети Интернет // Фундаментальные исследования. 2016. № 10, ч. 2.

Волошин С.В., Царегородцев А.Л., Карташев Е.А., Славский В.В. Анализ качества бинарной классификации веб-страниц методом опорных векторов // Известия Алтайского гос. ун-та. 2017. № 4 (96).

Кочергин Г.А., Зыков А.С., Царегородцев А.Л., Горлов Н.В. Автоматизированная информационная система мониторинга изменений на основе космических снимков // Известия Алтайского гос. ун-та. 2017. № 1 (93).

Галушкин А. И. Нейронные сети: основы теории. М., 2010.

Riedmiller M., Braun H. A Direct Adaptive Method for Faster Backpropagation Learning: the RPROP Algorithm // International Conference of Neural Networks. San Francisco, 1993. Vol. 1.

Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning // Springer, 2014.

Refaeilzadeh P, Tang L., Liu H. "Cross Validation." Encyclopedia of Database Systems. Eds M. Tamer A-Zsu, and Ling Liu. New York, 2009.
Опубликован
2019-03-06
Как цитировать
Бурлуцкий В., Кочергин Г., Царегородцев А., Якимчук А. Нейросетевая модель оценки и прогнозирования экологического риска изменения состояния лесного фонда // Известия Алтайского государственного университета, 2019, № 1(105). С. 64-68 DOI: 10.14258/izvasu(2019)1-10. URL: http://izvestiya.asu.ru/article/view/%282019%291-10.