Аннотация:
Селевые потоки представляют собой один из наиболее разрушительных геологических
процессов, сложность прогнозирования которых обусловлена их многофакторной природой и
сильными нелинейными зависимостями между определяющими факторами. Традиционные методы
моделирования ограничены в интерпретируемости и способности учитывать взаимодействия признаков,
что требует разработки новых подходов.
Цель исследования. Разработка и апробация архитектуры сигма-пи нейронной сети для кластеризации
селевых потоков с учетом морфометрических и генетических характеристик, а также выявление
ключевых факторов и их комбинаций, определяющих формирование различных типов селей.
Материалы и методы. В качестве исходных данных использовались кадастровые сведения о
селевых процессах юга европейской части России. Для анализа применялась сигма-пи нейронная
сеть, способная учитывать как линейные признаки, так и их взаимодействия второго порядка. Для
выбора числа кластеров использовался коэффициент силуэта. Проведено сравнение с результатами
кластеризации, полученными методом самоорганизующихся карт Кохонена (SOM).
Результаты. Модель выделила три устойчивых кластера, соответствующих грязевым, каменным и
грязекаменным типам селей. Анализ значимости признаков показал, что наибольший вклад в
формирование кластеров вносят площадь бассейна, уклон русла, максимальный объем отложений
и их попарные комбинации. Сравнение с SOM подтвердило более высокую интерпретируемость
предложенной модели и ее способность выявлять скрытые нелинейные зависимости.
Выводы. Применение сигма-пи нейронных сетей позволяет не только повысить качество
кластеризации селевых потоков, но и обеспечить интерпретируемость результатов за счет анализа
значимости признаков и их комбинаций. Такой подход перспективен для инженерной геологии и может
быть использован в системах геоэкологического мониторинга и прогнозирования опасных процессов.
Полный текст:
PDF файл (719 kB)