Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 2880
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [PASSWORD_CHECK_WEAK] => N
                    [PASSWORD_CHECK_POLICY] => N
                    [PASSWORD_CHANGE_DAYS] => 0
                    [PASSWORD_UNIQUE_COUNT] => 0
                    [LOGIN_ATTEMPTS] => 0
                    [BLOCK_LOGIN_ATTEMPTS] => 0
                    [BLOCK_TIME] => 0
                )

        )

    [SESS_IP] => 3.16.28.251
    [SESS_TIME] => 1741943200
    [IS_EXPIRED] => 
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [SESS_SHOW_INCLUDE_TIME_EXEC] => 
    [fixed_session_id] => fc8829508260862befbd723dcf853a72
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Геология и геофизика

2025 год, номер 2

ОБОБЩЕННЫЙ МАССИВ ГЕОЛОГО-ГЕОФИЗИЧЕСКОЙ ИНФОРМАЦИИ ВОСТОЧНОГО СЕКТОРА РОССИЙСКОЙ АРКТИКИ ДЛЯ ПРОВЕДЕНИЯ АНАЛИЗА МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ

И.А. Лисенков1, А.А. Соловьев1,2, В.А. Кузнецов3, Ю.И. Николова1
1Геофизический центр РАН, Москва, Россия
i.lisenkov@gcras.ru
2Институт физики Земли им. О.Ю. Шмидта РАН, Москва, Россия
3Национальный исследовательский ядерный университет «МИФИ», Москва, Россия
Ключевые слова: Геофизика, геология, геопространственные данные, машинное обучение, AutoML, ГИС, PostgreSQL, Python, Hadoop, Российская Арктика
Страницы: 232-246

Аннотация

Реализован практический подход к сбору и предварительной обработке геолого-геофизических пространственных данных для применения моделей машинного обучения в интересах задач геофизики. Согласно устоявшимся принципам оценки трудозатрат в области анализа данных, которые подтверждаются результатами проводимых опросов среди специалистов, этот этап занимает значительную долю времени и ресурсов, составляющую около 80 % от общего объема типового проекта по анализу данных и тестирования гипотез. Основное внимание уделяется формированию согласованного массива данных, объединяющего геологическую и геофизическую информацию в заданном регионе. Рассматриваются особенности учета различий в представлении геоданных, связанные с форматом (вектор/растр), масштабом, типом атрибутивной информации (количественная/качественная) и их доступностью. Важным аспектом является формализация и синтез алгоритма комбинирования геопространственных показателей и перевода их в количественные векторы. Для комбинирования данных вводится понятие окрестности для отбора и консолидации информации. В работе представлена общая архитектура программно-аппаратного комплекса, включающая модуль сбора и преобразования данных на языке Python с использованием библиотеки Pandas, систему хранения информации на базе системы управления базами данных (СУБД) PostgreSQL с расширением PostGIS. Показано, что для рассматриваемого класса задач геофизики достаточно использования реляционной СУБД для хранения и обработки данных. При необходимости масштабирования системы в случае увеличения размерности задачи предлагается применение технологии работы с большими данными на основе Apache Hadoop. В качестве демонстрации практического применения предложенных подходов приведены результаты сбора данных для Кавказского региона и восточного сектора Российской Арктики. На основе подготовленных данных проведены эксперименты с использованием моделей машинного обучения по распознаванию мест возможного возникновения сильных землетрясений и оценке ряда геофизических показателей в указанных регионах. Приводятся результаты проведенных экспериментов и оценки их эффективности.

DOI: 10.15372/GiG2024148
EDN: TABXMP
Добавить в корзину
Товар добавлен в корзину