Аннотация

Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.
Переведенное названиеSELECTION OF TYPE AND STRUCTURE OF ARTIFICIAL NEURAL NETWORKS FOR ESTIMATION OF CHEMICAL ELEMENTS DISTRIBUTION IN TOPSOIL
Язык оригиналаРусский
Страницы (с-по)36-48
Число страниц13
ЖурналЭкологические системы и приборы
Номер выпуска8
СостояниеОпубликовано - 2017

Отпечаток

chemical element
artificial neural network
topsoil
soil
prediction
modeling
distribution
method

ГРНТИ

  • 87.00.00 ОХРАНА ОКРУЖАЮЩЕЙ СРЕДЫ. ЭКОЛОГИЯ ЧЕЛОВЕКА

Уровень публикации

  • Перечень ВАК

Цитировать

@article{2a69cefb475a4762b05f8e0552e9da1d,
title = "ПОДБОР ТИПА И СТРУКТУРЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОЦЕНКИ РАСПРЕДЕЛЕНИЯ ХИМИЧЕСКИХ ЭЛЕМЕНТОВ В ВЕРХНЕМ СЛОЕ ПОЧВЫ",
abstract = "Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.",
author = "Мокрушин, {Андрей Анатольевич} and Тарасов, {Дмитрий Александрович} and Сергеев, {Александр Петрович} and Буевич, {Александр Геннадьевич} and Баглаева, {Елена Михайловна}",
year = "2017",
language = "Русский",
pages = "36--48",
journal = "Экологические системы и приборы",
issn = "2072-9952",
publisher = "Общество с ограниченной ответственностью {"}Издательство Научтехлитиздат{"}",
number = "8",

}

TY - JOUR

T1 - ПОДБОР ТИПА И СТРУКТУРЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОЦЕНКИ РАСПРЕДЕЛЕНИЯ ХИМИЧЕСКИХ ЭЛЕМЕНТОВ В ВЕРХНЕМ СЛОЕ ПОЧВЫ

AU - Мокрушин, Андрей Анатольевич

AU - Тарасов, Дмитрий Александрович

AU - Сергеев, Александр Петрович

AU - Буевич, Александр Геннадьевич

AU - Баглаева, Елена Михайловна

PY - 2017

Y1 - 2017

N2 - Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.

AB - Работа посвящена выбору типа и структуры искусственных нейронных сетей (ИНС) для восстановления поверхностного распределения химических элементов (кремния, калия, хрома, титана, ванадия, марганца, железа, никеля, циркония) в почве. Для исследования была выбрана площадка в форме квадрата со стороной 1 м вдали от источников загрязнения. На этом участке были отобраны 100 проб верхнего слоя почвы (глубина 0,05 м). Для восстановления поверхностного распределения химических элементов в почве при помощи компьютерного моделирования были выбраны различные типы и структуры ИНС. Для каждого химического элемента подбиралась своя ИНС и использовалась своя оценка точности прогнозирования. Сравнение значений концентраций поверхностного распределения химических элементов в почве, сделанных различными ИНС, с известными значениями концентраций показало, что обученные ИНС дают высокую точность прогнозирования. Предложенный подход с кросс-валидацией позволяет выбрать тип и структуру нейронной сети для произвольной площадки, что является одой из основных сложностей при моделировании распределения химических элементов методом ИНС.

UR - https://elibrary.ru/item.asp?id=30296163

M3 - Статья

SP - 36

EP - 48

JO - Экологические системы и приборы

JF - Экологические системы и приборы

SN - 2072-9952

IS - 8

ER -