Вера Владимировна Тимофеева, V. Timofeeva, Г. П. Стручкова, G. P. Struchkova, Т. А. Капитонова, T. A. Kapitonova
{"title":"ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗА МАКСИМАЛЬНОГО УРОВНЯ ВЕСЕННЕГО ПОЛОВОДЬЯ НА УЧАСТКЕ Р. ЛЕНА ВОЗЛЕ П. ТАБАГА","authors":"Вера Владимировна Тимофеева, V. Timofeeva, Г. П. Стручкова, G. P. Struchkova, Т. А. Капитонова, T. A. Kapitonova","doi":"10.36535/0869-4176-2021-01-13","DOIUrl":null,"url":null,"abstract":"Прогнозирование максимальных уровней воды во время весеннего половодья на участках р. Лена необходимо для своевременной разработки превентивных мероприятий и минимизации размеров ущерба. Для чего предлагается использовать модели прогнозирования с использованием искусственных нейронных сетей (ИНС), которые обладают способностью обучаться, учитывать скрытые закономерности и приобретают исключительную важность при прогнозировании природно-техногенных экстремальных ситуаций. В статье приводится сравнение результатов прогнозирования с помощью сетей Элмана и многослойного персептрона (MLP). Сравниваются результаты использования различных структур сетей. Показано, что при моделировании на более длительный период, метод Элмана имеет небольшое преимущество перед методом MLP.","PeriodicalId":106979,"journal":{"name":"Проблемы безопасности и чрезвычайных ситуаций","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Проблемы безопасности и чрезвычайных ситуаций","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36535/0869-4176-2021-01-13","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Прогнозирование максимальных уровней воды во время весеннего половодья на участках р. Лена необходимо для своевременной разработки превентивных мероприятий и минимизации размеров ущерба. Для чего предлагается использовать модели прогнозирования с использованием искусственных нейронных сетей (ИНС), которые обладают способностью обучаться, учитывать скрытые закономерности и приобретают исключительную важность при прогнозировании природно-техногенных экстремальных ситуаций. В статье приводится сравнение результатов прогнозирования с помощью сетей Элмана и многослойного персептрона (MLP). Сравниваются результаты использования различных структур сетей. Показано, что при моделировании на более длительный период, метод Элмана имеет небольшое преимущество перед методом MLP.