Показать сокращенную информацию
dc.contributor.author | Попков, Ю.С. | |
dc.contributor.author | Волкович, З. | |
dc.contributor.author | Мельников, А.В. | |
dc.contributor.author | Полищук, Ю.М. | |
dc.contributor.author | Popkov, Yu.S. | |
dc.contributor.author | Volkovich, Z. | |
dc.contributor.author | Melnikov, A.V. | |
dc.contributor.author | Polishchuk, Yu.M. | |
dc.date.accessioned | 2021-08-18T09:11:19Z | |
dc.date.available | 2021-08-18T09:11:19Z | |
dc.date.issued | 2019 | |
dc.identifier.citation | Методологические вопросы использования рандомизированного машинного обучения для прогнозирования динамики термокарстовых озер Арктики / Ю.С. Попков, З. Волкович, А.В. Мельников, Ю.М. Полищук // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». - 2019. - Т. 19, № 4. - С. 5-12. DOI: 10.14529/ctcr190401. Popkov Yu.S., Volkovich Z., Melnikov A.V., Polishchuk Yu.M. Methodological Issues of Using the Randomized Machine Learning for Forecasting the Dynamics of Thermokarst Arctic Lakes. Bulletin of the South Ural State University. Ser. Computer Technologies, Automatic Control, Radio Electronics, 2019, vol. 19, no. 4, pp. 5-12. (in Russ.) DOI: 10.14529/ctcr190401 | ru_RU |
dc.identifier.issn | 2409-6571 | |
dc.identifier.uri | http://dspace.susu.ru/xmlui/handle/0001.74/40589 | |
dc.description | Попков Юрий Соломонович, д-р техн. наук, главный научный сотрудник, Институт системного анализа ФИЦ ИУ РАН, г. Москва; popkov.yuri@gmail.com. Волкович Зеев, д-р физ.-мат. наук, профессор, Колледж ОРТ им. Брауде, г. Кармиэль, Израиль; vlvolkov@braude.ac.il. Мельников Андрей Витальевич, д-р техн. наук, директор, Югорский НИИ информационных технологий, г. Ханты-Мансийск; MelnikovAV@uriit.ru. Полищук Юрий Михайлович, д-р физ.-мат. наук, главный научный сотрудник, Югорский НИИ информационных технологий, г. Ханты-Мансийск; yupolishchuk@gmail.com. Yu.S. Popkov1, popkov.yuri@gmail.com, Z. Volkovich2, vlvolkov@braude.ac.il, A.V. Melnikov3, MelnikovAV@uriit.ru, Yu.M. Polishchuk3, yupolishchuk@gmail.com 11nstitute of System Analysis, Federal Research Center “Information and Control”, Moscow, Russian Federation, 2 ORT Braude College, Karmiel, Israel, 3 Ugra Research Institute of Information Technologies, Khanty-Mansiysk, Russian Federation. | ru_RU |
dc.description.abstract | Проведен анализ состояния проблем моделирования пространственно-временной динамики озерных полей в условиях современных климатических изменений. Показано, что аналитические методы, используемые при изучении динамики термокарстовых процессов в отдельных озерах, не подходят для изучения пространственно-временных изменений полей термокарстовых озер. Предложенный метод гео-имитационного моделирования для изучения динамики полей термокарстовых озер не обеспечивает достаточной точности прогнозирования. Рассмотрены проблемы применения нового подхода к прогнозированию пространственно- временной динамики полей в условиях современных климатических изменений на основе методов и алгоритмов энтропийно-рандомизированного машинного обучения. Экспериментальные результаты удаленных исследований динамики полей термокарстовых озер в арктической зоне вечной мерзлоты Западной Сибири были получены с использованием спутниковых снимков за период в несколько десятилетий, начиная с 1973 года. Климатические данные за тот же период были получены путем реанализа на основе хорошо известных систем ERA-40, ERA-Interim и APHRODITE JMA. Был составлен массив экспериментальных данных об изменениях площадей озер, среднегодовой температуры и годовых осадков в зоне вечной мерзлоты Западной Сибири за период исследований. Регрессионный анализ геокриологических и климатических данных показал, что сокращение площади озер можно объяснить, главным образом, увеличением температуры поверхности и изменением осадков. Структура модели рандомизированного прогноза динамики полей термокарстовых озер определяется с учетом параметров, отражающих изменения площадей озер, среднегодовой температуры и уровня осадков. Рассмотрены особенности использования экспериментальных данных в рамках энтропийно- рандомизированного подхода к прогнозированию пространственно-временной динамики полей термокарстовых озер в условиях современных климатических изменений. The analysis of the state of the problems of modeling the spatio-temporal dynamics of the lake fields under the conditions of modern climate changes is carried out. It is shown that the analytical methods used in studying the dynamics of thermokarst processes in individual lakes are not suitable for studying the spatiotemporal changes in the fields of thermokarst lakes. The geo-simulation modeling method proposed for studying the dynamics of fields of thermokarst lakes does not provide sufficient forecasting accuracy. The problems of applying a new approach to the prediction of the spatio-temporal dynamics of fields under the conditions of modern climatic changes based on methods and algorithms of entropy-randomized machine learning are considered. The experimental results of remote studies of the dynamics of fields of thermokarst lakes in the Arctic permafrost zone of Western Siberia were obtained using satellite images for the period of several decades starting in 1973. Climatic data for the same period were obtained by reanalysis based on the well-known ERA-40, ERA-Interim systems and APHRODITE JMA. An array of experimental data has been compiled on changes in lake areas, average annual temperature and annual precipitation in the permafrost zone of Western Siberia over the period of research. Regression analysis of geocryological and climatic data showed that the reduction in the area of lakes can be explained mainly by an increase in surface temperature and a change in precipitation. The structure of a randomized forecast model for the dynamics of fields of thermokarst lakes is determined taking into account parameters reflecting changes in lake areas, average annual temperature and precipitation level. The features of using experimental data in the framework of an entropy-randomized approach to forecasting the spatio-temporal dynamics of fields of thermokarst lakes under the conditions of modern climate changes are considered. | ru_RU |
dc.description.sponsorship | Исследование проводилось при финансовой поддержке частично грантов Российского фонда фундаментальных исследований по проектам № 19-07-00282, № 18-45-860002, № 18-45-703001, № 18-47-860013 и № 18-47-700001. | ru_RU |
dc.publisher | Издательский центр ЮУрГУ | ru_RU |
dc.relation.ispartof | Вестник ЮУрГУ. Серия Компьютерные технологии, управление, радиоэлектроника | ru |
dc.relation.ispartof | Vestnik Yuzhno-Ural'skogo Gosudarstvennogo Universiteta. Seriya Kompjuternye tekhnologii, upravlenie, radioelektronika | en |
dc.relation.ispartof | Bulletin of SUSU. Ser. Computer Technologies, Automatic Control, Radio Electronics | en |
dc.relation.ispartofseries | Компьютерные технологии, управление, радиоэлектроника;Том 19 | |
dc.subject | УДК 551.34:551.58 | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | энтропийно-рандомизированный подход | ru_RU |
dc.subject | рандомизированная модель | ru_RU |
dc.subject | прогнозирование | ru_RU |
dc.subject | пространственно-временная динамика | ru_RU |
dc.subject | вечная мерзлота | ru_RU |
dc.subject | термокарстовые озера | ru_RU |
dc.subject | спутниковые снимки | ru_RU |
dc.subject | реанализ метеоданных | ru_RU |
dc.subject | климатические изменения | ru_RU |
dc.subject | глобальное потепление | ru_RU |
dc.subject | machine learning | ru_RU |
dc.subject | entropy-randomized approach | ru_RU |
dc.subject | randomized model | ru_RU |
dc.subject | forecasting | ru_RU |
dc.subject | spatio-temporal dynamics | ru_RU |
dc.subject | permafrost | ru_RU |
dc.subject | thermokarst lakes | ru_RU |
dc.subject | satellite images | ru_RU |
dc.subject | meteorological data reanalysis | ru_RU |
dc.subject | climate change | ru_RU |
dc.subject | global warming | ru_RU |
dc.title | Методологические вопросы использования рандомизированного машинного обучения для прогнозирования динамики термокарстовых озер Арктики | ru_RU |
dc.title.alternative | Methodological Issues of Using the Randomized Machine Learning for Forecasting the Dynamics of Thermokarst Arctic Lakes | ru_RU |
dc.type | Article | ru_RU |
dc.identifier.doi | DOI: 10.14529/ctcr190401 |