Методи машинного навчання для моніторингу навколишнього середовища
Вантажиться...
Дата
2024
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
Анотація
У роботі запропоновано комплексний підхід до виявлення звалищ, який має дві основні складові. Перша базується на класифікації часових рядів мультиспектральних супутникових даних з використанням ансамблю ней-ронних мереж. Друга використовує модифіковану архітектуру U-Net для семантичної сегментації космічних знімків з метою безпосереднього виді-лення звалищ. Новизна представленого рішення полягає у використанні комбінованої функції втрат при навчанні моделі U-Net, що поєднує бінарну крос-ентропію та коефіцієнт Dice. Бінарна крос-ентропія забезпечує надій-ну попіксельну класифікацію, тоді як коефіцієнт Dice оптимізує сегмента-цію шляхом максимізації перетину між прогнозованими та істинними мас-ками звалищ. Ця комбінація дозволяє досягти балансу між точністю кла-сифікації та чутливістю до малих об’єктів, що важливо для виявлення звалищ за супутниковими даними. Запропоновано інтегрувати результати двох підходів на рівні прийняття рішень за допомогою ймовірнісного злит-тя з використанням ймовірностей кожної моделі. Такий гібридний метод дозволяє компенсувати недоліки кожного методу та підвищити загальну точність ідентифікації звалищ. Експериментальна перевірка на тестових да-них продемонструвала ефективність розглянутого підходу. Загальна точність класифікації земного покриву склала 97,4%, а точність визначення зва-лищ—86,4%. Розроблений метод застосовано для картографування звалищ на території Донецької області. Результати верифіковано експерта-ми на місцевості. Отримані дані можуть бути використані місцевою вла-дою для оперативного реагування та прийняття управлінських рішень.
Опис
Ключові слова
Бібліографічний опис
Мікава, П. В. Методи машинного навчання для моніторингу навколишнього середовища / Поліна Віталіївна Мікава, Богдан Ялкапович Яйлимов // Міжнародний науково-технічний журнал "Проблеми керування та інформатики". - 2024. - 69(2). - С. 108-122.