Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму

Досліджено фактори та моделі зсувного процесу Південного берега Криму та наведено розрахунки оцінок параметрів цих моделей. Обрано критерії оцінювання моделей та оцінювання прогнозів, за якими виділяється модель серед інших. Модифіковано методику Бокса-Дженкінса відбору моделей та аналізу прогно...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2011
Автор:	Таран, В.М.
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2011
Назва видання:	Штучний інтелект
Теми:	Обучающие и экспертные системы
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/60484
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму / В.М. Таран // Штучний інтелект. — 2011. — № 4. — С. 461-469. — Бібліогр.: 8 назв. — укр.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-60484
record_format	dspace
spelling	irk-123456789-604842014-04-16T03:01:45Z Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму Таран, В.М. Обучающие и экспертные системы Досліджено фактори та моделі зсувного процесу Південного берега Криму та наведено розрахунки оцінок параметрів цих моделей. Обрано критерії оцінювання моделей та оцінювання прогнозів, за якими виділяється модель серед інших. Модифіковано методику Бокса-Дженкінса відбору моделей та аналізу прогнозу. За допомогою модифікованої методики проведено оцінку обраних моделей та отримано прогноз. Исследованы факторы и модели оползневого процесса Южного берега Крыма и приведены расчеты оценок параметров этих моделей. Выбраны критерии оценивания моделей и оценивания прогнозов, по которым выделяется модель среди других. Модифицирована методика Бокса-Дженкинса выбора моделей и анализа прогноза. При помощи модифицированной методики проведена оценка выбранных моделей и получен прогноз. The factors and models of soil slip at the South Coast of Crimea are studied and parameter evaluation determinations of these models are given here. Criteria of evaluation of models and forecasts for determining the model among other models has been selected. The Box-Jenkins methodology for model selection forecast analysis has been modified. By this modified methodology evolution of selected models has been conducted and forecast has been achieved. 2011 Article Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму / В.М. Таран // Штучний інтелект. — 2011. — № 4. — С. 461-469. — Бібліогр.: 8 назв. — укр. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/60484 519.283 uk Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Ukrainian
topic	Обучающие и экспертные системы Обучающие и экспертные системы
spellingShingle	Обучающие и экспертные системы Обучающие и экспертные системы Таран, В.М. Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму Штучний інтелект
description	Досліджено фактори та моделі зсувного процесу Південного берега Криму та наведено розрахунки оцінок параметрів цих моделей. Обрано критерії оцінювання моделей та оцінювання прогнозів, за якими виділяється модель серед інших. Модифіковано методику Бокса-Дженкінса відбору моделей та аналізу прогнозу. За допомогою модифікованої методики проведено оцінку обраних моделей та отримано прогноз.
format	Article
author	Таран, В.М.
author_facet	Таран, В.М.
author_sort	Таран, В.М.
title	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму
title_short	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму
title_full	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму
title_fullStr	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму
title_full_unstemmed	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму
title_sort	оцінювання прогнозів при моделюванні зсувних процесів південного берега криму
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2011
topic_facet	Обучающие и экспертные системы
url	http://dspace.nbuv.gov.ua/handle/123456789/60484
citation_txt	Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму / В.М. Таран // Штучний інтелект. — 2011. — № 4. — С. 461-469. — Бібліогр.: 8 назв. — укр.
series	Штучний інтелект
work_keys_str_mv	AT taranvm ocínûvannâprognozívprimodelûvannízsuvnihprocesívpívdennogoberegakrimu
first_indexed	2025-07-05T11:33:52Z
last_indexed	2025-07-05T11:33:52Z
_version_	1836806552639504384
fulltext	«Штучний інтелект» 4’2011 461 7Т УДК 519.283 В.М. Таран Європейський університет, Ялтинська філія, м. Ялта, Україна victoriya_yalta@ukr.net Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму Досліджено фактори та моделі зсувного процесу Південного берега Криму та наведено розрахунки оцінок параметрів цих моделей. Обрано критерії оцінювання моделей та оцінювання прогнозів, за якими виділяється модель серед інших. Модифіковано методику Бокса-Дженкінса відбору моделей та аналізу прогнозу. За допомогою модифікованої методики проведено оцінку обраних моделей та отримано прогноз. Вступ Прогнозування зсувних процесів Південного берега Криму, що викликають ката- строфічні наслідки, є основною, однією з найнеобхідніших, але при цьому найскладні- ших задач планування та аналізу. Наукові роботи [1-3], які присвячено аналізу зсувних процесів Південного берега Криму, спрямовані на статистичні спостереження, карту- вання, геологічні дослідження, описання процесів в цілому та експертну оцінку фахівця- геолога; слабкою ланкою цих досліджень є використання лише регресійного аналізу, відсутність системного підходу, обмежене використання сучасних інформаційних технологій та інтелектуальних систем прийняття рішень. Під системним підходом будемо розуміти системну узгодженість управління ресурсами, які мають бути вкла- дені в протизсувні заходи або у відновлення пошкоджених ділянок, та управління безпекою на всіх ділянках, що використовуються, не лише відповідно до мети, задач, ресурсів та очікуваних результатів, але також оперативності і результативності взаємо- дії в реальних умовах нештатних і катастрофічних ситуацій [4], [5]. Задача оперативного прогнозування зсувних процесів Південного берега Криму – це задача управління екзогенними процесами, пов’язана з мінімізацією вимушених витрат на відновлення ушкоджених об’єктів. Ця задача є складною внаслідок недостатньої формалізованості та структурованості, багатокритеріальності, залежності процесу від поточної ситуації, високого рівня невизначеності та обмеження в часі на прийняття рішення. Метою даної роботи є моделювання та розробка довгострокових прогнозів зсувних процесів Південного берега Криму, для чого будуються математичні моделі зсуву, які найкращим чином описували б ретроспективні значення даних спостережень, модифікується методика Бокса-Дженкінса, за допомогою якої оцінюються моделі та прогнози. Аналіз факторів, які приводять до зсувів Розглянемо уважніше фактори, які є чинниками зсувних процесів на Південному березі Криму. Сукупність таких факторів можна поділити на три групи за ступенем їх змінюваності в часі: постійні, повільно та швидко змінювані [1], [3]. До першої групи можна віднести геологічні та геоморфологічні умови, що визначають генетичні особли- вості та інтенсивність появи зсувів. Фактори другої і третьої груп визначають тенденцію їх розвитку і діляться на дві підгрупи: незалежні і похідні. До незалежних відносять Таран В.М. «Искусственный интеллект» 4’2011 462 7Т тектонічний рух і клімат, до похідних – гідрогеологічні умови ґрунтового масиву. Атмосферні опади, температура навколишнього середовища, сейсмічна активність, сонячна активність, шторми, бурі та інші природні явища – це незалежні явища, які швидко змінюються і діють на усталеність ґрунтів та сприяють появі напружених і послаблених зон. При вивченні зсувів до початку 20-х років ХХ століття (В.Ф. Пчелінцев, Н.Ф. Пог- ребов, А.Ф. Ніфантов, І.Г. Глухов та ін.) підземні води вважалися головною причиною зсувів, а їх дренаж – основним заходом боротьби з ними. У той час було побудовано велику кількість підземних споруд, що виводили воду, але бажаного ефекту вони не дали. Таким чином, явної залежності між наявністю підземних вод на схилах і виник- ненням зсувів немає [2]. Для підтвердження цього можна навести такі факти: – не на всіх схилах, які мають глинисті породи і підземні води, виникають зсуви; – в багатьох районах зі схожими геологічними і гідрогеологічними вимогами зсувонебезпечні схили перемежаються з усталеними; – є багато старих і стародавніх зсувів, зміщення яких припинилися за наявності тих же водоносних горизонтів, як і в період їх активності; – відомі «сухі» зсуви, які виникали за відсутності водоносних горизонтів, а також в суху погоду. Іноді вплив підземних вод на усталеність схилів великий, а іноді – зовсім незнач- ний. Хоч методи оцінки кількісного впливу є наближеними, ми маємо їх враховувати. Водоносні горизонти впливають на умови загальної рівноваги схилу в результаті створювання ними добавлених сил [3]: – ваги вільної води, яка є у водоносному горизонті; – гідродинамічного тиску води, що рухається у водоносному горизонті. З часом з’явилася інша точка зору («Генсхема берегоукрепительных сооружений», 1949; И.Б. Корженевский и др., 1961), за якою головна роль відводилася абразії, ерозії, перевантаженню верхньої частини схила обвалами та осипами. Пізніше експеримента- ми зі штучної активізації показано, що найбільш дійовим фактором виявилася підрізка схилу в низовій частині незалежно від її генезису (природна або техногенна). Кількість техногенних зсувів, що з’явилися в результаті підрізки схилу, більше зустрічається на природних схилах із крутизною від 100 до 150 (46,9%) і від 150 до 200 (31,1%). Менша кількість зсувів (від 2,6% до 10,2%) формується як на пологих схилах від 5° до 10°, так і на крутих – від 20° – 25° до 25° – 35°, що відображає особ- ливості не тільки граничної рівноваги схилів, але й їхнього освоєння (чим крутіше схил, тим рідше він використовується для розміщення об’єктів) [3]. Вплив землетрусів на зсувні схили як чинник їх розвитку багатьма авторами відкидався. Останніми дослідженнями (безпосередньо для південноузбережного схилу) показано достовірний зв’язок сейсмічної і зсувної активності регіону впродовж року. Вплив сейсмічних чинників за певних сукупних умов (надмірне зволоження) може набувати не тільки допоміжного, але й першорядного значення. Тому, якщо не врахо- вувати цей чинник при аналізі режиму зсувної активності на ПБК, можна прийти до помилкових результатів, особливо при розгляді динаміки окремих зсувів. Будемо розглядати атмосферні опади як один з вирішальних факторів, що поро- джує зсуви на ПБК і визначає баланс вологи ґрунтового масиву. Велика кількість зсувів відбувається в період весняно-літнього періоду, коли в горах тане сніг або в період літніх злив, які відбуваються після тривалої засухи. Однак коефіцієнт кореляції становить достатню величину для початку моделювання лише при врахуванні опадів за два гідрогеологічні роки: попередній та поточний. Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму «Штучний інтелект» 4’2011 463 7Т Головними факторами виникнення зсувів є такі види атмосферних опадів [3]: – велика кількість одноразових опадів, тобто зливи або різке танення снігу; – невелика кількість опадів протягом тривалого часу (дощ, що мжичить від 3 до 10 днів і більше). Методика прогнозування зсувних процесів Південного берега Криму У даній роботі запропоновано таку методику побудови моделей та побудови прог- нозів: всі можливі моделі із певного класу моделей аналізувати в три етапи [6]. На першому етапі аналізується якість моделі за такою схемою: 1) коефіцієнт множинної детермінації: , )( )~( 1 2 1 1 2 2        n i i n i ii yy yy R де yі – значення показника для і=1,…, n , iу ~ – прогнозна величина, y – середнє; 2) середній квадрат похибки: ;)~( 1 1 22    n i ii yy n e 3) перевірка адекватності моделі за допомогою F-критерію Фішера: ; )~( )~()1( 2 1 1 2        n i i n i i yym yymn F 4) перевірка на статистичну значимість моделі та її параметрів (t-критерій Стью- дента); 5) перевірка на мультиколінеарність; 6) перевірка на автокореляцію збурень (критерій Дарбіна-Уотсона), ,22 )( 1 2 2 2 1         n t t n t tt e ee DW де ρ – коефіцієнт кореляції похибок моделі між собою; 7) перевірка моделей на гетероскедастичність (тест Голдфелда та Квондта). За перерахованими критеріями обираються кращі моделі-кандидати та за їхньою допомогою будуються прогнози. На другому етапі оцінюється якість прогнозу за допомогою таких статистик: 1) середня абсолютна похибка MАE (mean absolute error): \|,~\| 1 1    n i ii уy n МАЕ де yі – значення періоду, iу ~ – прогнозна величина для і = 1, 2, …, n; 2) середня абсолютна відсоткова похибка MАPE (mean absolute percentage error): %;100 ~1 1      n i i ii y уy n МАРЕ Таран В.М. «Искусственный интеллект» 4’2011 464 7Т 3) середньоквадратична похибка RМSE (root mean squared error): ;)( 1 2 1    n i i уy n RММS 4) коефіцієнт нерівності Тейла U: ; )~( 1 )( 1 )~( 1 2 1 2 1 2 1        n i i n i i n i ii y n y n yy n U 5) для абсолютної і відносної абсолютної похибок обчислюються кількість у відсотках спостережень, які попали в інтервали [0; 0,5σ], [σ; ∞], [0%; 10%], [50%; ∞], а також їх максимальне значення для кожної моделі. На останньому, третьому, етапі проводиться оцінювання стійкості прогнозу, тобто значення всіх факторів, крім одного, фіксуються, а обраний фактор змінюється на ± середнє квадратичне відхилення (при цьому розраховується змінювання резуль- туючого показника у відсотках до його середнього значення). Оцінювання моделей і прогнозу зсувних процесів Південного берега Криму Таким чином, на першому етапі було відібрано серед інших п’ять моделей зсувних процесів Південного берега Криму, які будемо розглядати й надалі [7]: – регресійна однофакторна модель (РО): АЗ(t) = a0 + a1·O(t – 1); – авторегресійна модель (АР): АЗ(t) = a0 + a1·АЗ(t – 1); – комплексна множинна лагова авторегресійна модель (ЛАР): АЗ(t) = a0 + a1·O(t – 1) + a2·СеА(t – 1) + a3·СоА(t – 1) + a4·АЗ(t – 1) + a5·(t – 1), де О – опади за два роки, СеА – сейсмічна активність, СоА – сонячна активність, АЗ – кількість активних зсувів за рік; – метод групового врахування аргументів (МГУА): ...; 111 0          N i ij jk kjiijk N j ji jiij N i ii xxxaxxaxaaY – метод комплексування аналогів (КА), за яким розраховується відстань між фак- торами історичних даних і факторами нового спостереження: 4,1,,1min,)( 1 2    jkixхЕ n j jiji , нехай Еа1 – найменша відстань між факторами, Еа2 – наступна за нею, уа1 – величина у, що відповідає факторам з відстанню Еа1, а уа2 – з Еа2, тоді результат визначаємо за формулою: . 21 1221 аа аааа ЕЕ ЕуЕу у    На другому етапі проведемо оцінювання і порівняння обраних п’яти моделей за визначеними критеріями якості моделі і якості прогнозу (табл. 1). Наведена таблиця свідчить, що за якістю моделей та за якістю прогнозу модель МГУА – найкраща, за нею слідує ЛАР (найгіршою є регресійна однофакторна модель відносно опадів (РО) та модель комплексування аналогів (КА)). Проте жодну з наведених моделей відкида- Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму «Штучний інтелект» 4’2011 465 7Т ти не варто тому, що вони по-різному реагують на різке збурення будь-якого з пара- метрів або всіх одразу, і тільки їх узагальнення дає найбільш наближений прогноз. Наприклад, модель комплексування аналогів в 40% дає відносну похибку прогнозу, яка не перевищує 10%, і майже в 14% спостережень перевищує 50%. Таблиця 1 – Аналіз якості моделі та якості прогнозу Моделі Якість прогнозу Абсолютна похибка Відносна похибка < 0,5σ > σ max <10% >50% max АР(1) 51,2% 16,3% 101,7 30,2% 11,6% 194,8% РО(О) 55,8% 23,3% 120,9 39,5% 18,6% 210,6% ЛАР 51,2% 4,7% 89,8 32,6% 11,6% 147,2% КА 56,8% 18,2% 134 40,9% 13,6% 180,5% МГУА 81,4% 2,3% 81,7 44,2% 7,0% 141,1% Узагальнена 65,1% 9,3% 89,0 41,9% 9,3% 159,0% Перевіримо таким чином кожну модель, додамо до цього критерію ще кількість абсолютних похибок, які належать указаним проміжкам, та максимальне значення абсолютної та відносної похибки (табл. 2). Таблиця 2 – Відсоток помилок, який належить указаному інтервалу Моделі Якість моделі Якість прогнозу R2 e2 / n DW СКВ CAB САВП К-т Тейла U АР(1) 0,501 1625 2,020 40,32 31,39 28,8% 0,139 РО(О) 0,422 1926 0,937 43,88 32,60 34,8% 0,151 ЛАР 0,643 1190 1,841 34,50 28,37 27,9% 0,118 КА 0,502 2206 1,483 46,89 32,19 27,2% 0,167 МГУА 0,805 648 2,301 25,46 18,98 18,9% 0,087 Узагальнена 0,544 1093 1,500 42,19 24,86 24,1% 0,135 Наведена таблиця свідчить, що за якістю прогнозу за обома видами похибок модель МГУА – найкраща: 81% від загальної кількості залишків становить менше за половину стандартного відхилення σ спостережуваного показника, лише 2% – переви- щує σ, максимальна абсолютна похибка становить 81,7, а відносна – 141% (в той час, як для РО цей показник – 120,9 і 210,6% відповідно), 44% від загальної кількості за- лишків становить менше 10% відносної похибки і лише 7% перевищують 50%; за нею слідує ЛАР (найгіршою є регресійна однофакторна модель відносно опадів (РО) та модель комплексування аналогів (КА)). На третьому етапі проведемо оцінювання стійкості прогнозу, тобто значення всіх факторів, крім одного, фіксуються (береться середнє значення), а обраний фактор змінюється на ± середнє квадратичне відхилення (при цьому розраховується зміна результуючого показника у відсотках до його середнього значення). Для обчислень використаємо програмний продукт PLSSCC «Forecasting of Landslide for Southern Coast of Crimea» [8], інтерфейс якого наведено на рис. 1. Введемо спочатку середнє значення всіх факторів і обчислимо кількість активних зсувів у відсотках до середньої кількості. Додамо до всіх факторів середнє квадра- тичне відхилення та віднімемо його, результати обчислень помістимо в табл. 3. Таран В.М. «Искусственный интеллект» 4’2011 466 7Т Таблиця 3 – Середнє значення моделі для всіх факторів ±σ за 2010 рік РА АР ЛАР КА МГУА Разом Хсер_і 100,0% 100,7% 139,7% 94,9% 145,6% 107,4% Хсер_і+σі 127,9% 130,9% 165,4% 144,9% 164,7% 139,7% Хсер_і – σі 72,8% 69,9% 103,2% 32,4% 114,4% 72,8% Останній стовпчик показує узагальнене значення, яке розраховується як середнє зважене всіх отриманих прогнозів, вагами є коефіцієнти детермінації, поділені на їх суму. .22222 22222 МГУАKAЛAPAPPA МГУАМГУАКAКAЛАРЛАРAРAРPAPA заг RRRRR RYRYRYRYRY Y    Рисунок 1 – Вікно вводу даних і результат прогнозування Табл. 3 свідчить, що найкращі моделі (МГУА і ЛАР), відмічені на попередніх етапах аналізу, поводять себе не зовсім коректно, тобто при зменшенні значень факторів вони показують збільшення досліджуваного показника. Наприклад, модель МГУА при збільшенні всіх факторів на середнє квадратичне відхилення дає прогноз, що перевищує середнє значенні майже на 65%, але при такому ж зниженні – все одно збільшується на 14% (ЛАР – на 3,2%). Це пов’язано з тим, що в ці моделі входить як фактор рік, на який робиться прогноз, тобто чим більший рік, тим більше результат. Проведемо порівняльний аналіз оцінювання прогнозу на 2010 рік двох найкращих моделей – МГУА і ЛАР. Підставимо всі середні значення для факторів, потім змінимо їх всі на ±σ, а потім лише один з факторів будемо змінювати, а інші дорівнювати- муть середньому. Результати розрахунків помістимо в табл. 4. Таблиця 4 – Оцінювання прогнозів на 2010 рік за двома моделями – ЛАР і МГУА 2010 ЛАР МГУА 2010 ЛАР МГУА O(Xcеp1+S1) 147% 184% O(Xcеp1-S1) 104% 132% CeA(Xcеp2+S2) 121% 152% CeA(Xcеp2-S2) 101% 140% CoA(Xcеp3+S3) 113% 137% CoA(Xcеp3-S3) 108% 161% A3(Xcеp4+S4) 138% 153% A3(Xcеp4-S4) 103% 133% Середнє (Y) 130% 156% Середнє (Y) 104% 141% Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму «Штучний інтелект» 4’2011 467 7Т Наведена таблиця свідчить, що результуючий показник для моделі МГУА в серед- ньому збільшується на 56% (від 37% до 84%), а замість зменшення в протилежному випадку зростає в середньому на 41% (від 5% до 61%) залежно від обраного фактора. Модель ЛАР теж збільшується, але не так критично. За оцінками якості моделі та якості прогнозу модель МГУА є не тільки найкращою, а й випереджає інші на цілий порядок. Проте в табл. 3 і 4 доведено, що обидві моделі не є усталеними, вони мають великі відхилення при прогнозі на декілька кроків вперед. Таким чином, можна зробити висновок, що, дійсно, всі запропоновані моделі є адекватними до історичних даних і їх слід використовувати для прогнозування зсувних процесів Південного берега Криму, тобто не варто відхиляти одну чи декілька з них, а останній узагальнюючий результат можна розглядати як шосту модель. У табл. 1 і 2 наведено оцінки цієї моделі. У табл. 5 наведено прогноз на 2005 рік, видно, що до фактичного значення най- ближчим є саме узагальнююче значення результуючого показника. Таблиця 5 – Прогноз на 2005 рік 2005 РА АР ЛАР КА МГУА Узагальн. Фактичне прогноз 174 186 227 179 201 196 191 Таким чином, наведені моделі використаємо для наглядного зображення прогнозу за допомогою пакета статистичної обробки інформації EViews (рис. 2): на чотирьох графіках (для моделей РА, АР, МГУА, ЛАР) дві верхні криві показують фактичне і прогнозне значення, а нижня – помилки прогнозування. Рисунок 2 – Прогнозування зсувних процесів на Південному березі Криму Таран В.М. «Искусственный интеллект» 4’2011 468 7Т Отже, можна помітити, що помилки сягають особливо великих значень останніми роками (1993 – 2003). Це пов’язано більшою мірою з тим, що при Радянському Союзі після значних зсувів 1968 – 1969 років проводилися обстеження та укріплення зсувонебезпечних ділянок, після розвалу СРСР впроваджені заходи утримували схили від катастрофічних руйнацій, проте впродовж останнього часу на подібні роботи виді- ляється занадто мало коштів, деякі установи було скорочено або закрито, роботи прово- дилися більшою мірою з відновлення будов, а не попереджувального характеру. Все це і спровокувало сплеск активізації екзогенної активності. Таким чином, за отриманими моделями однофакторної регресії, авторегресії, ла- гової авторегресії, методу комплексування аналогів та методу групового урахування аргументів ми можемо розраховувати зсувну активність. Такий вид прогнозу доцільно використовувати при стратегічному плануванні, що надає розрахунки відповідних показників на наступні 1 – 5 років. Висновки У статті розглянуто моделювання зсувних процесів на Південному березі Криму на основі регресійного аналізу, методу комплексування аналогів і методу групового урахування аргументів, що дає можливість за отриманими моделями розраховувати зсувну активність. Проведено порівняльний аналіз цих моделей, а також на їх основі побудовано узагальнюючу модель. Таке оцінювання прогнозу доцільно використовувати при плануванні відповідних показників на наступні 1 – 5 років. Розроблено методику відбору і оцінювання моделей зсувних процесів Південного берега Криму, яка базується на стандартних методах перевірки якості регресійної моделі з урахуванням її адекватності історичним даним. На основі наведеної методики визначено, що обрані моделі коректно описують ці процеси. Результати прогнозування наведено у графічному вигляді. Література 1. Безсмертний А.Ф. Геофізична інтерпретація схилових деформацій в межах розвитку зсувів на Південному березі Криму / А.Ф. Безсмертний // Вісник Київського національного університету ім. Т.Г. Шевченка. Серія «Геологія». – Київ : Видавничо-поліграфічний центр «Київський універ- ситет», 2001. – Вип. 19. – С. 37-41. 2. Шеко А.И. Прогноз экзогенных геологических процессов на Черноморском побережье СССР / Ше- ко А.И. – Москва : Недра, 1979. – 242 с. 3. Ерыш И.Ф. Оползни Крыма. Часть 1. История отечественного оползневедения / И.Ф. Ерыш, В.Н. Са- ломатин. – Симферополь : Апостроф, 1999. – 249 с. 4. Панкратова Н.Д. Системный анализ в динамике диагностирования сложных технических систем / Н.Д. Панкратова // Системні дослідження та інформаційні технології. – 2008. – № 1. – С. 33-49. 5. Радюк А.Н. Системное оценивание функционирования сложных технических систем / А.Н. Радюк // Системні дослідження та інформаційні технології. – 2010. – № 1. – С. 81-94. 6. Бідюк П.І. Аналіз часових рядів / П.І. Бідюк. – Київ : ННК ІПСА, 2006. – 188 с. 7. Таран В.М. Методика оцінювання регресійних моделей, побудованих за даними спостережень, що описують зсувні процеси Південного берега Криму / В.М. Таран // Матеріали XІІ Міжнародної науково-технічної конференції «Системний аналіз та інформаційні технології» САІТ – 2010. – Київ, 2010. – С. 159. 8. Свідоцтво про реєстрацію авторського права на твір № 31281. Комп’ютерна програма “Forecasting of Landslide for Southern Coast of Crimea” («FLSSCC») / В.М. Таран. – 08.12.2009. Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму «Штучний інтелект» 4’2011 469 7Т Literatura 1. Bezsmertnyj A.F. Visnyk Kyyivs’koho nacional’noho universytetu im. T.H. Shevchenka. Seriya “Heolohiya”. Kyyiv: Vydavnycho-polihrafichnyj centr “Kyyivs’kyj universytet”. 2001. Vyp. 19. S. 37-41. 2. Sheko A.I. Prognoz ekzogennyh geologicheskih processov na Chernomorskom poberezh'e SSSR. Moskva : Nedra. 1979. 242 s. 3. Erysh I.F. Opolzni Kryma. Chast’ 1. Istorija otechestvennogo opolznevedenija. Simferopol’ : Apostrof. 1999. 249 s. 4. Pankratova N.D. Systemni doslidzhennya ta informacijni texnolohiyi. 2008. № 1. S. 33-49. 5. Radyuk A.N. Systemni doslidzhennya ta informacijni texnolohiyi. 2010. № 1. S. 81-94. 6. Bidyuk P.I. Analiz chasovyh ryadiv. Kyyiv : NNK IPSA. 2006. 188 s. 7. Taran V.M. Materialy XII Mizhnarodnoyi naukovo-texnichnoyi konferenciyi “Systemnyj analiz ta informa- cijni tehnolohiyi”. Kyyiv : SAIT. 2010. S. 159. 8. Taran V.M. Svidoctvo pro reyestraciyu avtors’koho prava na tvir № 31281. Kompyuterna prohrama “Fore- casting of Landslide for Southern Coast of Crimea” («FLSSCC»). 08.12.2009. В.М. Таран Оценивание прогнозов при моделировании оползневых процессов Южного берега Крыма Исследованы факторы и модели оползневого процесса Южного берега Крыма и приведены расчеты оценок параметров этих моделей. Выбраны критерии оценивания моделей и оценивания прогнозов, по которым выделяется модель среди других. Модифицирована методика Бокса-Дженкинса выбора моделей и анализа прогноза. При помощи модифицированной методики проведена оценка выбранных моделей и получен прогноз. V.M. Taran Evaluation of Forecasting at Modelling of Soil Slip at the South Coast of Crimea The factors and models of soil slip at the South Coast of Crimea are studied and parameter evaluation determinations of these models are given here. Criteria of evaluation of models and forecasts for determining the model among other models has been selected. The Box-Jenkins methodology for model selection forecast analysis has been modified. By this modified methodology evolution of selected models has been conducted and forecast has been achieved. Стаття надійшла до редакції 22.06.2011.

Оцінювання прогнозів при моделюванні зсувних процесів Південного берега Криму

Репозитарії

Схожі ресурси