Модели классификации паводковых явлений на основе деревьев алгоритмов

Autor: Povkhan, Igor
Jazyk: angličtina
Rok vydání: 2020
Předmět:
Zdroj: Eastern-European Journal of Enterprise Technologies; Том 6, № 4 (108) (2020): Математика та кібернетика-прикладні аспекти; 58-68
Eastern-European Journal of Enterprise Technologies; Том 6, № 4 (108) (2020): Математика и кибернетика-прикладные аспекты; 58-68
Eastern-European Journal of Enterprise Technologies; Том 6, № 4 (108) (2020): Mathematics and Cybernetics-applied aspects; 58-68
ISSN: 1729-3774
1729-4061
Popis: This paper reports the construction of an effective mechanism for synthesizing classification trees according to the fixed initial information in the form of a training sample for the task of recognizing the current state, as well as flood phenomena, of river basins. The built algorithmic classification tree could unmistakably categorize the entire training sample underlying the constructed classification scheme. Moreover, it would demonstrate minimal structural complexity by including components such as the algorithms for autonomous classification and recognition to serve the structure’s vertices. The devised method for building the models of algorithms’ trees makes it possible to operate training samples composed of a large amount of diverse information of discrete type. It ensures high model accuracy, the rational utilization of the system’s hardware resources in the process that generates the final classification scheme, thereby making it possible to build models with predetermined accuracy. The proposed approach to synthesizing the new recognition algorithms is based on a library of already known algorithms and methods. Based on the proposed concept of algorithmic classification trees, a set of models was built that ensured effective categorization and prediction of flood-related events across the Tisza river basin. The proposed indicators of data generalization and quality of the classification tree model make it possible to effectively represent the general characteristics of the model allowing their application to select the optimal algorithm tree from a set of random classification tree methods. The classification trees built have ensured the absence of errors on the data of the training and test sample and have confirmed the efficiency of the approach of algorithm trees
Побудований ефективний механізму синтезу дерев класифікації за фіксованою початковою інформацією у вигляді навчальної вибірки для задачі розпізнавання ситуаційного стану, паводкових явищ басейнів рік. Побудоване алгоритмічне дерево класифікації буде безпомилково класифікувати всю навчальну вибірку, за якою побудована схема класифікації. Причому мати мінімальну структурну складність та складатися з компонентів – автономних алгоритмів класифікації та розпізнавання в якості вершин конструкції. Розроблений метод побудови моделей дерев алгоритмів дозволяє працювати з навчальними вибірками великого об‘єму різнотипної інформації дискретного типу. Забезпечує високу точність моделі, раціонально використовує апаратні ресурси системи в процесі генерації кінцевої схеми класифікації, дозволяє будувати моделі з наперед заданою точністю. Пропонується підхід синтезу нових алгоритмів розпізнавання на основі бібліотеки вже відомих алгоритмів та методів. На базі запропонованої концепції алгоритмічних дерев класифікації побудований набір моделей, які забезпечили ефективну класифікацію та прогнозування паводкових ситуацій для басейну річку Тиса. Запропоновані показники узагальнення даних та якості моделі дерева класифікації дозволяють ефективно представити загальні характеристики моделі, можливе їх використання для відбору оптимального дерева алгоритмів з набору побудованих на основі методів випадкових дерев класифікації. Побудовані дерева класифікації забезпечили відсутність помилок на даних навчальної та тестової вибірки, підтвердили працездатність підходу дерев алгоритмів
Построен эффективный механизм синтеза деревьев классификации по фиксированной начальной информации в виде учебной выборки для задачи распознавания ситуационного состояния, паводковых явлений бассейнов рек. Построенное алгоритмическое дерево классификации будет безошибочно классифицировать всю учебную выборку, по которой построена схема классификации. Причем иметь минимальную структурную сложность и состоять из компонентов автономных алгоритмов классификации и распознавания в качестве вершин конструкции. Разработанный метод построения моделей деревьев алгоритмов позволяет работать с учебными выборками большого объема разнотипной информации дискретного типа. Также обеспечивает высокую точность модели, рационально использует аппаратные ресурсы в процессе генерации конечной схемы классификации, строит модели с наперед заданной точностью. Предлагается подход синтеза новых алгоритмов распознавания на основе библиотеки уже известных алгоритмов и методов. На базе предложенной концепции алгоритма деревьев классификации построен набор моделей, которые обеспечили эффективную классификацию и прогнозирования паводковых ситуаций для бассейна реки Тиса. Предложенные показатели обобщения данных и качества модели дерева классификации позволяют эффективно представить общие характеристики модели, возможно их использование для отбора оптимального дерева алгоритмов из набора построенных на основе методов случайных деревьев классификации. Построенные деревья классификации обеспечили отсутствие ошибок на данных учебной и тестовой выборки, подтвердили работоспособность подхода деревьев алгоритмов
Databáze: OpenAIRE
Externí odkaz: