| 000 | 07683nla2a2200625 4500 | ||
|---|---|---|---|
| 001 | 378829 | ||
| 005 | 20231030003024.0 | ||
| 035 | _a(RuTPU)RU\TPU\retro\36290 | ||
| 035 | _aRU\TPU\retro\36254 | ||
| 090 | _a378829 | ||
| 100 | _a20230615d2023 k y0rusy50 ca | ||
| 101 | 0 | _arus | |
| 102 | _aRU | ||
| 135 | _adrcn ---uucaa | ||
| 181 | 0 | _ai | |
| 182 | 0 | _ab | |
| 200 | 1 |
_aРазработка специализированного программного комплекса для нейросетевого прогноза паводковых вод _fВ. И. Сырямкин, Б. П. Иваненко, С. А. Клестов, М. Д. Хильчук |
|
| 203 |
_aТекст _cэлектронный |
||
| 215 | _a1 файл (771 Kb) | ||
| 230 | _aЭлектронные текстовые данные (1 файл : 771 Kb) | ||
| 300 | _aЗаглавие с титульного листа | ||
| 320 | _a[Библиогр.: с. 212-213 (43 назв.)] | ||
| 330 | _aАктуальность исследования обусловлена необходимостью разработки современных методов оперативного мониторинга состояния территорий из-за наличия различного рода стихийных явлений, в частности наводнений и паводковых затоплений. Решению этой проблемы уделяется большое внимание государствами, регионами, муниципалитетами и поселениями. Цель: разработка специализированного программного комплекса, предназначенного для решения задач краткосрочного и среднесрочного прогноза уровня паводковых вод на основе оперативных данных гидрологических наблюдений при минимальном наборе входных данных и с возможностью работать с данными аэрокосмических наблюдений. Объекты: участок, на котором происходит слияние рек Томи и Оби и ниже по течению Оби в местах расположения гидрологических постов: пос. Победа, с. Никольское, с. Молчаново. Методы: нейросетевое информационное моделирование. Результаты. Рассмотрена методика создания нейросетевого имитатора, предназначенного для обработки результатов гидрологических измерений и решения широкого круга практических задач, в том числе и прогностических. Разработана оригинальная методика построения обучающих выборок, позволяющая получать результаты при минимальном наборе исходных данных. Исследована эффективность и точностные характеристики нейросетевых алгоритмов при решении задачи прогноза уровня паводковых вод в период с 1 апреля по 30 июня 2011-2017 гг. | ||
| 330 | _aThe relevance of the study is caused by the need to develop modern methods of operational monitoring of the condition of territories due to the presence of various kinds of natural phenomena, in particular, floods and flood inundations. A lot of attention is paid to solving this problem by States, regions, municipalities and settlements. Purpose: development of a specialized software package designed to solve problems of short-term and medium-term flood water level forecasting based on operational data from hydrological observations with a minimum set of input data and with the ability to work with aerospace observation data. Objects: the area where the Tom and Ob rivers merge and downstream of the Ob river at the locations of hydrological posts: villages Pobeda, Nikolskoye, Molchanovo. Methods: neural network information modeling. Results. The paper considers the method of creating a neural network simulator designed for processing the results of hydrological measurements and solving a wide range of practical problems, including prognostic ones. An original method of constructing training samples was developed, which allows obtaining results with a minimum set of initial data. The authors investigated the efficiency and accuracy characteristics of neural network algorithms in solving the problem of forecasting the flood water level in the period from April 1 to June 30, 2011-2017. | ||
| 338 |
_bРоссийский научный фонд _d22-19-00389 |
||
| 453 |
_tDevelopment of a specialized software package for network forecast of flood waters _fV. I. Syryamkin [et al.] |
||
| 461 | 1 |
_0(RuTPU)RU\TPU\book\312844 _x2413-1830 _tИзвестия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов _fНациональный исследовательский Томский политехнический университет (ТПУ) _d2015- |
|
| 463 | 1 |
_0(RuTPU)RU\TPU\retro\36199 _tТ. 334, № 5 _v[С. 205-216] _d2023 |
|
| 610 | 1 | _aэлектронный ресурс | |
| 610 | 1 | _aнейросетевое моделирование | |
| 610 | 1 | _aпрогнозы | |
| 610 | 1 | _aпаводковые воды | |
| 610 | 1 | _aчисленное моделирование | |
| 610 | 1 | _aточностные характеристики | |
| 610 | 1 | _aметодика построения | |
| 610 | 1 | _aобучающие выборки | |
| 610 | 1 | _aпрограммные комплексы | |
| 610 | 1 | _aneural network modeling | |
| 610 | 1 | _aforecast | |
| 610 | 1 | _aflood waters | |
| 610 | 1 | _anumerical modeling | |
| 610 | 1 | _aaccuracy characteristics | |
| 610 | 1 | _amethods of constructing training samples | |
| 701 | 1 |
_aСырямкин _bВ. И. _gВладимир Иванович _6z01712 |
|
| 701 | 1 |
_aИваненко _bБ. П. _gБорис Павлович _6z02712 |
|
| 701 | 1 |
_aКлестов _bС. А. _gСемён Александрович _6z03712 |
|
| 701 | 1 |
_aХильчук _bМ. Д. _gМария Денисовна _6z04712 |
|
| 712 | 0 | 2 |
_aНациональный исследовательский Томский государственный университет _c(2009- ) _2stltpush _3(RuTPU)RU\TPU\col\17230 _6z01701 |
| 712 | 0 | 2 |
_aНациональный исследовательский Томский государственный университет _c(2009- ) _2stltpush _3(RuTPU)RU\TPU\col\17230 _6z02701 |
| 712 | 0 | 2 |
_aНациональный исследовательский Томский государственный университет _c(2009- ) _2stltpush _3(RuTPU)RU\TPU\col\17230 _6z03701 |
| 712 | 0 | 2 |
_aНациональный исследовательский Томский государственный университет _c(2009- ) _2stltpush _3(RuTPU)RU\TPU\col\17230 _6z04701 |
| 801 | 2 |
_aRU _b63413507 _c20230620 _gRCR |
|
| 856 | 4 | _uhttps://earchive.tpu.ru/bitstream/11683/76424/1/bulletin_tpu-2023-v334-i5-20.pdf | |
| 856 | 4 | _uhttps://doi.org/10.18799/24131830/2023/5/3859 | |
| 942 | _cCF | ||