Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей

В статье изложены некоторые принципы работы искусственной нейросети, приводится пример реализации нейросетевой модели с помощью подбора ее наилучшей архитектуры средствами программного пакета Statistica 12. Рассматривается метод нейросетевого прогнозирования ряда количества сходов селевых потоков на...

Полное описание

Сохранить в:

Библиографические подробности
Главные авторы:	Ашабоков, Б. А., Ташилова, А. А., Кешева, Л. А., Теунова, Н. В.
Формат:	Статья
Язык:	Russian
Опубликовано:	2025
Темы:	нейронные сети многослойный перцептрон MLP функция активации гиперболический тангенс прогноз количество сходов селей сумма осадков средние температуры
Online-ссылка:	https://dspace.ncfu.ru/handle/123456789/30477
Метки:	Добавить метку Нет меток, Требуется 1-ая метка записи!

id	ir-123456789-30477
record_format	dspace
spelling	ir-123456789-304772025-05-30T09:17:21Z Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей Ашабоков, Б. А. Ташилова, А. А. Кешева, Л. А. Теунова, Н. В. нейронные сети многослойный перцептрон MLP функция активации гиперболический тангенс прогноз количество сходов селей сумма осадков средние температуры В статье изложены некоторые принципы работы искусственной нейросети, приводится пример реализации нейросетевой модели с помощью подбора ее наилучшей архитектуры средствами программного пакета Statistica 12. Рассматривается метод нейросетевого прогнозирования ряда количества сходов селевых потоков на основе нелинейных связей с рядами осадков и температур. Для решения поставленной задачи в пакете Statistica 12 был использован блок Data Mining (интеллектуальный анализ данных) – Neural Networks (нейронные сети). В качестве нейросетевого метода был выбран многослойный перцептрон MLP (Multilayer perceptron), в качестве функции активации – гиперболический тангенс (tanh). На основе алгоритмов глубокого обучения была разработана математическая модель MPL 2-50- 1, способная обучаться на используемых данных (осадки, температура, количество селей за период 1953–2015 гг.) и осуществлять прогнозирование количества схода селей по введеным в модель метеопараметрам (осадки, температура). Получено, что при осредненных значениях осадков с величиной более 110 мм в период с мая по сентябрь с 2016 по 2034 г. прогнозируется количество сходов селей от 10 до 13, что выше среднего их значения n = 8 за период с фактическими исходными данными 1953–2015 гг. Тенденции изменения количества селей в Терскольском ущелье в теплый сезон с 1953 по 2015 гг. (период с фактическими данными) и с 2016 по 2034 гг. (период с прогнозными данными) определены с помощью полиномиального и линейного трендов. Из уравнения линейного тренда следует, что в среднем за весь период, включая прогнозный, количество схода селей имеет тенденцию слабого роста на 0,3/10лет. Полиномиальный тренд демонстрирует рост и снижение количества селей на разных временных интервалах. На интервале прогнозирования 2016–2034 гг. снижение количества селей демонстрируют как полиномиальный тренд, так и линейный. 2025-05-30T09:17:21Z 2025-05-30T09:17:21Z 2025 Статья Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей / Б.А. Ашабоков, А.А. Ташилова, Л.А. Кешева, Н.В. Теунова // Наука. Инновации. Технологии. – 2025. – № 1. – С. 37-64. https://dspace.ncfu.ru/handle/123456789/30477 ru Наука. Инновации. Технологии 2025. № 1; application/pdf
institution	СКФУ
collection	Репозиторий
language	Russian
topic	нейронные сети многослойный перцептрон MLP функция активации гиперболический тангенс прогноз количество сходов селей сумма осадков средние температуры
spellingShingle	нейронные сети многослойный перцептрон MLP функция активации гиперболический тангенс прогноз количество сходов селей сумма осадков средние температуры Ашабоков, Б. А. Ташилова, А. А. Кешева, Л. А. Теунова, Н. В. Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей
description	В статье изложены некоторые принципы работы искусственной нейросети, приводится пример реализации нейросетевой модели с помощью подбора ее наилучшей архитектуры средствами программного пакета Statistica 12. Рассматривается метод нейросетевого прогнозирования ряда количества сходов селевых потоков на основе нелинейных связей с рядами осадков и температур. Для решения поставленной задачи в пакете Statistica 12 был использован блок Data Mining (интеллектуальный анализ данных) – Neural Networks (нейронные сети). В качестве нейросетевого метода был выбран многослойный перцептрон MLP (Multilayer perceptron), в качестве функции активации – гиперболический тангенс (tanh). На основе алгоритмов глубокого обучения была разработана математическая модель MPL 2-50- 1, способная обучаться на используемых данных (осадки, температура, количество селей за период 1953–2015 гг.) и осуществлять прогнозирование количества схода селей по введеным в модель метеопараметрам (осадки, температура). Получено, что при осредненных значениях осадков с величиной более 110 мм в период с мая по сентябрь с 2016 по 2034 г. прогнозируется количество сходов селей от 10 до 13, что выше среднего их значения n = 8 за период с фактическими исходными данными 1953–2015 гг. Тенденции изменения количества селей в Терскольском ущелье в теплый сезон с 1953 по 2015 гг. (период с фактическими данными) и с 2016 по 2034 гг. (период с прогнозными данными) определены с помощью полиномиального и линейного трендов. Из уравнения линейного тренда следует, что в среднем за весь период, включая прогнозный, количество схода селей имеет тенденцию слабого роста на 0,3/10лет. Полиномиальный тренд демонстрирует рост и снижение количества селей на разных временных интервалах. На интервале прогнозирования 2016–2034 гг. снижение количества селей демонстрируют как полиномиальный тренд, так и линейный.
format	Статья
author	Ашабоков, Б. А. Ташилова, А. А. Кешева, Л. А. Теунова, Н. В.
author_facet	Ашабоков, Б. А. Ташилова, А. А. Кешева, Л. А. Теунова, Н. В.
author_sort	Ашабоков, Б. А.
title	Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей
title_short	Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей
title_full	Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей
title_fullStr	Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей
title_full_unstemmed	Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей
title_sort	реализация нейросетевой модели в среде statistica 12 для прогноза частоты схода селей
publishDate	2025
url	https://dspace.ncfu.ru/handle/123456789/30477
work_keys_str_mv	AT ašabokovba realizaciânejrosetevojmodelivsredestatistica12dlâprognozačastotyshodaselej AT tašilovaaa realizaciânejrosetevojmodelivsredestatistica12dlâprognozačastotyshodaselej AT keševala realizaciânejrosetevojmodelivsredestatistica12dlâprognozačastotyshodaselej AT teunovanv realizaciânejrosetevojmodelivsredestatistica12dlâprognozačastotyshodaselej
_version_	1842245778459852800

Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей

Схожие документы