Artificial neural networks and geostatistics in predicting the distribution of the chemical elements at the background test plot

Research output: Contribution to journalArticleResearchpeer-review

Abstract

The study compares two approaches to geostatistical analysis (kriging, cokriging) and ANN for evaluating and forecasting the spatial distribution of chemical elements in the topsoil by the example of a small area in natural geological landscape. The size of the selected test plot (1.0 x 1.0 m) allows assuming its homogeneity, thus providing suitable conditions for the application of geostatistical analysis. However, the authors believed that even under such conditions the trained ANN will give prediction models comparable in accuracy with the geostatistical methods. The test plot was split into 100 cells. Soil cores were sampled to a depth 0.05 m by stainless steel cylindrical sampling device with a diameter of 0.05 m. For the analysis of soil specimens, the X-ray fluorescence spectrometry was chosen. First, the network model for constructing the distribution of each element contained in the specimen was selected. A multilayer perceptron with Levenberg-Marquardt training algorithm was chosen for this study. Next, concentration distributions for each element using ordinary kriging and ordinary cokriging based on data of X-ray fluorescence analysis by Esri ArcGIS geostatistical software were built. Second, in order to compare the predictability of two methods, the sample was randomly divided using the “create subset” function of Geostatistical Analyst in Esri ArcGIS in two sub-sets, i.e., the test and the training in the ratio of 30 : 70. The training sub-set (70 specimens) was used as the learning set. Then the concentration value of each element was returned by ANN, kriging, and cokriging by the test sub-set (30 specimens). Three validation indices were used to evaluate the performance of different interpolation methods: the mean absolute error (MAE), root mean square error (RMSE), and relative root mean square error (RRMSE).
Translated title of the contributionArtificial neural networks and geostatistics in predicting the distribution of the chemical elements at the background test plot
Original languageRussian
Pages (from-to)74-82
Number of pages9
JournalГеоэкология, инженерная геология, гидрогеология, геокриология
Issue number2
Publication statusPublished - 2017

Fingerprint

chemical element
geostatistics
artificial neural network
kriging
X-ray fluorescence
homogeneity
topsoil
spectrometry
interpolation
soil
learning
steel
spatial distribution
software
distribution
test
analysis
sampling
prediction
method

GRNTI

  • 38.00.00 GEOLOGY

Level of Research Output

  • VAK List

Cite this

@article{8b54a071f48f47f69f2ea642a9398ba2,
title = "Искусственные нейронные сети и геостатистика в прогнозировании распределения химических элементов на фоновой площадке",
abstract = "Работа посвящена применению искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов в почве и сравнению оценок концентраций, полученных с применением ИНС и геостатистических методов: кригинга и кокригинга. Для исследования выбрана квадратная площадка со стороной 1 м в районе пос. Лимбяяха Ямало-Ненецкого автономного округа вдали от источников загрязнения. На площадке отобраны 100 проб верхнего слоя почвы на глубину 0.05 м. Образцы проанализированы на рентгенофлуоресцентном спектрометре Innov XX 5000 Olympus. После компьютерного моделирования была выбрана наилучшая структура ИНС для восстановления поверхностного распределения каждого из обнаруженных анализом химических элементов. Также получены модели на основе оценок кригинга и кокригинга. Сравнение значений концентрации химических элементов в почве, полученных методами кригинга, кокригинга и ИНС, показали, что обученная ИНС дает модели, превосходящие по точности геостатистические методы и как интерполятор, и как прогностический метод. Построены карты распределения поверхностной концентрации химических элементов на основе оценок кригинга, кокригинга и ИНС.",
author = "А.Г. Буевич and А.П. Сергеев and Д.А. Тарасов and А.Ю. Рахматова and А.А. Крамаренко",
year = "2017",
language = "Русский",
pages = "74--82",
journal = "Геоэкология, инженерная геология, гидрогеология, геокриология",
issn = "0869-7803",
publisher = "Издательство {"}Наука{"}",
number = "2",

}

TY - JOUR

T1 - Искусственные нейронные сети и геостатистика в прогнозировании распределения химических элементов на фоновой площадке

AU - Буевич, А.Г.

AU - Сергеев, А.П.

AU - Тарасов, Д.А.

AU - Рахматова, А.Ю.

AU - Крамаренко, А.А.

PY - 2017

Y1 - 2017

N2 - Работа посвящена применению искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов в почве и сравнению оценок концентраций, полученных с применением ИНС и геостатистических методов: кригинга и кокригинга. Для исследования выбрана квадратная площадка со стороной 1 м в районе пос. Лимбяяха Ямало-Ненецкого автономного округа вдали от источников загрязнения. На площадке отобраны 100 проб верхнего слоя почвы на глубину 0.05 м. Образцы проанализированы на рентгенофлуоресцентном спектрометре Innov XX 5000 Olympus. После компьютерного моделирования была выбрана наилучшая структура ИНС для восстановления поверхностного распределения каждого из обнаруженных анализом химических элементов. Также получены модели на основе оценок кригинга и кокригинга. Сравнение значений концентрации химических элементов в почве, полученных методами кригинга, кокригинга и ИНС, показали, что обученная ИНС дает модели, превосходящие по точности геостатистические методы и как интерполятор, и как прогностический метод. Построены карты распределения поверхностной концентрации химических элементов на основе оценок кригинга, кокригинга и ИНС.

AB - Работа посвящена применению искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов в почве и сравнению оценок концентраций, полученных с применением ИНС и геостатистических методов: кригинга и кокригинга. Для исследования выбрана квадратная площадка со стороной 1 м в районе пос. Лимбяяха Ямало-Ненецкого автономного округа вдали от источников загрязнения. На площадке отобраны 100 проб верхнего слоя почвы на глубину 0.05 м. Образцы проанализированы на рентгенофлуоресцентном спектрометре Innov XX 5000 Olympus. После компьютерного моделирования была выбрана наилучшая структура ИНС для восстановления поверхностного распределения каждого из обнаруженных анализом химических элементов. Также получены модели на основе оценок кригинга и кокригинга. Сравнение значений концентрации химических элементов в почве, полученных методами кригинга, кокригинга и ИНС, показали, что обученная ИНС дает модели, превосходящие по точности геостатистические методы и как интерполятор, и как прогностический метод. Построены карты распределения поверхностной концентрации химических элементов на основе оценок кригинга, кокригинга и ИНС.

UR - http://elibrary.ru/item.asp?id=28786710

M3 - Статья

SP - 74

EP - 82

JO - Геоэкология, инженерная геология, гидрогеология, геокриология

JF - Геоэкология, инженерная геология, гидрогеология, геокриология

SN - 0869-7803

IS - 2

ER -