Standard

ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ. / Буевич, Александр Геннадьевич; Буторова, Анастасия Сергеевна; Косаченко, Александра Ильинична и др.
в: Геоинформатика, № 1, 2019, стр. 36-43.

Результаты исследований: Вклад в журнал › Статья › Рецензирование

Harvard

Буевич, АГ, Буторова, АС, Косаченко, АИ, Шичкин, АВ & Сергеев, АП 2019, 'ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ', Геоинформатика, № 1, стр. 36-43.

APA

Буевич, А. Г., Буторова, А. С., Косаченко, А. И., Шичкин, А. В., & Сергеев, А. П. (2019). ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ. Геоинформатика, (1), 36-43.

Vancouver

Буевич АГ, Буторова АС, Косаченко АИ, Шичкин АВ, Сергеев АП. ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ. Геоинформатика. 2019;(1):36-43.

Author

Буевич, Александр Геннадьевич ; Буторова, Анастасия Сергеевна ; Косаченко, Александра Ильинична и др. / ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ. в: Геоинформатика. 2019 ; № 1. стр. 36-43.

BibTeX

@article{5e8678925e164bc3847568e1c3f4f39b,
title = "ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ",
abstract = "В работе представлено сравнение современных подходов к интерполяции пространственного распределения химических элементов в верхнем слое почвы на примере тяжелых металлов хром (Cr) и медь (Cu). На обследованной территории были обнаружены пятна с аномально высоким содержанием Cr. Медь, напротив, оказалась распределена равномерно. Исследование основано на данных, полученных в результате скрининга почвы в г. Тарко-Сале, Россия. Для прогнозирования были выбраны модели, основанные на искусственных нейронных сетях (многослойный персептрон (MLP)), алгоритмах случайного леса (RF), а также на гибридном методе, в котором MLP используется в качестве классификатора (дерева) (RMLPF). Модели были реализованы в MATLAB. Подходы, включающие искусственные нейронные сети (MLP и RMLPF), оказались более точными для аномально распределенного Cr. Модели, основанные на алгоритме RF, более точны для равномерно распределенного Cu. В целом предложенная модель RMLPF показала лучшие результаты.",
author = "Буевич, {Александр Геннадьевич} and Буторова, {Анастасия Сергеевна} and Косаченко, {Александра Ильинична} and Шичкин, {Андрей Васильевич} and Сергеев, {Александр Петрович}",
year = "2019",
language = "Русский",
pages = "36--43",
journal = "Геоинформатика",
issn = "1609-364X",
publisher = "Всероссийский научно-исследовательский геологический нефтяной институт",
number = "1",

}

RIS

TY - JOUR

T1 - ПОВЕРХНОСТНАЯ ИНТЕРПОЛЯЦИЯ СОДЕРЖАНИЙ ТЯЖЕЛЫХ МЕТАЛЛОВ В ПОЧВЕ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ

AU - Буевич, Александр Геннадьевич

AU - Буторова, Анастасия Сергеевна

AU - Косаченко, Александра Ильинична

AU - Шичкин, Андрей Васильевич

AU - Сергеев, Александр Петрович

PY - 2019

Y1 - 2019

N2 - В работе представлено сравнение современных подходов к интерполяции пространственного распределения химических элементов в верхнем слое почвы на примере тяжелых металлов хром (Cr) и медь (Cu). На обследованной территории были обнаружены пятна с аномально высоким содержанием Cr. Медь, напротив, оказалась распределена равномерно. Исследование основано на данных, полученных в результате скрининга почвы в г. Тарко-Сале, Россия. Для прогнозирования были выбраны модели, основанные на искусственных нейронных сетях (многослойный персептрон (MLP)), алгоритмах случайного леса (RF), а также на гибридном методе, в котором MLP используется в качестве классификатора (дерева) (RMLPF). Модели были реализованы в MATLAB. Подходы, включающие искусственные нейронные сети (MLP и RMLPF), оказались более точными для аномально распределенного Cr. Модели, основанные на алгоритме RF, более точны для равномерно распределенного Cu. В целом предложенная модель RMLPF показала лучшие результаты.

AB - В работе представлено сравнение современных подходов к интерполяции пространственного распределения химических элементов в верхнем слое почвы на примере тяжелых металлов хром (Cr) и медь (Cu). На обследованной территории были обнаружены пятна с аномально высоким содержанием Cr. Медь, напротив, оказалась распределена равномерно. Исследование основано на данных, полученных в результате скрининга почвы в г. Тарко-Сале, Россия. Для прогнозирования были выбраны модели, основанные на искусственных нейронных сетях (многослойный персептрон (MLP)), алгоритмах случайного леса (RF), а также на гибридном методе, в котором MLP используется в качестве классификатора (дерева) (RMLPF). Модели были реализованы в MATLAB. Подходы, включающие искусственные нейронные сети (MLP и RMLPF), оказались более точными для аномально распределенного Cr. Модели, основанные на алгоритме RF, более точны для равномерно распределенного Cu. В целом предложенная модель RMLPF показала лучшие результаты.

UR - https://elibrary.ru/item.asp?id=37170692

M3 - Статья

SP - 36

EP - 43

JO - Геоинформатика

JF - Геоинформатика

SN - 1609-364X

IS - 1

ER -

ID: 13180332