Прогнозирование распределения зоопланктона в Южном океане с помощью машинного обучения

Кривогуз Денис Олегович, Малько Сергей Владимирович, Семенова Анна Юрьевна

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