Реализация нейросетевой модели в среде Statistica 12 для прогноза частоты схода селей

Abstract

В статье изложены некоторые принципы работы искусственной нейросети, приводится пример реализации нейросетевой модели с помощью подбора ее наилучшей архитектуры средствами программного пакета Statistica 12. Рассматривается метод нейросетевого прогнозирования ряда количества сходов селевых потоков на основе нелинейных связей с рядами осадков и температур. Для решения поставленной задачи в пакете Statistica 12 был использован блок Data Mining (интеллектуальный анализ данных) – Neural Networks (нейронные сети). В качестве нейросетевого метода был выбран многослойный перцептрон MLP (Multilayer perceptron), в качестве функции активации – гиперболический тангенс (tanh). На основе алгоритмов глубокого обучения была разработана математическая модель MPL 2-50- 1, способная обучаться на используемых данных (осадки, температура, количество селей за период 1953–2015 гг.) и осуществлять прогнозирование количества схода селей по введеным в модель метеопараметрам (осадки, температура). Получено, что при осредненных значениях осадков с величиной более 110 мм в период с мая по сентябрь с 2016 по 2034 г. прогнозируется количество сходов селей от 10 до 13, что выше среднего их значения n = 8 за период с фактическими исходными данными 1953–2015 гг. Тенденции изменения количества селей в Терскольском ущелье в теплый сезон с 1953 по 2015 гг. (период с фактическими данными) и с 2016 по 2034 гг. (период с прогнозными данными) определены с помощью полиномиального и линейного трендов. Из уравнения линейного тренда следует, что в среднем за весь период, включая прогнозный, количество схода селей имеет тенденцию слабого роста на 0,3/10лет. Полиномиальный тренд демонстрирует рост и снижение количества селей на разных временных интервалах. На интервале прогнозирования 2016–2034 гг. снижение количества селей демонстрируют как полиномиальный тренд, так и линейный.