Журнал «Современная Наука»

Russian (CIS)English (United Kingdom)
МОСКВА +7(495)-142-86-81

Прогнозирование распределения зоопланктона в Южном океане с помощью машинного обучения

Кривогуз Денис Олегович  (к.г.н., г.с., Азово-Черноморский филиал ФГБНУ «ВНИРО» («АзНИИРХ»), г. Керчь)

Малько Сергей Владимирович  (к.б.н., доцент, ФГБОУ ВО «Керченский государственный морской технологический университет», г. Керчь)

Семенова Анна Юрьевна  (к.э.н., доцент, ФГБОУ ВО «Керченский государственный морской технологический университет», г. Керчь)

В статье рассматриваются возможности применения методов машинного обучения для прогнозирования концентраций зоопланктона в Южном океане в зависимости от различных факторов среды. Поскольку зоопланктон является важным звеном в трофических цепях водных экосистем, роль прогнозирования его количества и распространения обретает большую значимость. Методы машинного обучения обладают рядом существенных преимуществ, позволяя осуществлять прогноз при довольно ограниченном разнообразии данных об исследуемой экосистеме. В работе были использованы данные, полученные в результате многолетнего мониторинга зоопланктона в Южном океане, и были разделены на тестовую и обучающую выборки в пропорции 7:3. Первичный статистический анализ показал, что высокие концентрации распространены лишь в отдельных местах Южного океана. Проведение корреляционного анализа выявило отсутствие взаимосвязи между анализируемыми факторами окружающей среды и концентрацией зоопланктона, что говорит или о зависимости этих концентраций от других факторов, не используемых в исследовании, либо о комбинированном их воздействии. Для сравнения возможностей прогнозирования концентраций зоопланктона с помощью методов машинного обучения были выбраны 4 алгоритма, которые последовательно обучались на тренировочной выборке, а затем проходили проверку на тестовых данных. В результате наибольшую точность показали алгоритмы Random forest и AdaBoost с результатами точности в 100%. Худший результат прогнозирования показали искусственные нейронные сети с точностью в 86%.

Ключевые слова:зоопланктон, машинное обучение, Южный океан, моделирование, статистический анализ

 

Читать полный текст статьи …



Ссылка для цитирования:
Кривогуз Д. О., Малько С. В., Семенова А. Ю. Прогнозирование распределения зоопланктона в Южном океане с помощью машинного обучения // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2020. -№07. -С. 37-43 DOI 10.37882/2223-2966.2020.07.19
ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"