Возможности нейросетевого моделирования при оценке взаимосвязей показателей состава и свойств донных отложений

Авторы

  • Всеволод Сергеевич Валиев Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Дмитрий Владимирович Иванов Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Рустам Равилевич Хасанов Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Денис Евгеньевич Шамаев Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Ирек Ильгизарович Зиганшин Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Антон Александрович Марасов Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Виталий Викторович Маланин Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28
  • Эльвина Евгеньевна Паймикина Институт проблем экологии и недропользования АН РТ, 420087, Россия, г. Казань, ул. Даурская, 28

Ключевые слова:

донные отложения, гранулометрический состав, органическое вещество, нейросетевой метод

Аннотация

The significant factual material demonstrated the high efficiency of neural network methods in modeling a number of parameters of sediments. Using the multiparameter problem of nonlinear optimization, this approach allows us to predict the variability of some indicators of the composition and properties of sediments under the influence of others. The algorithm for designing neural networks with back propagation of error, developed and tested as a result of the experiment, can be used to solve many applied problems arising in the study of the quality of the environment.

Библиографические ссылки

Бухарин С.В., Навоев В.В. Методы теории нейронных сетей в экспертизе технических и экономических объектов: монография. Воронеж: Научная книга, 2015. 274 с.

Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. М.: Диалектика, 2007. 912 с.

Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 c.

Шерышева Н.Г., Ракитина Т.А., Поветкина Л.П. Условия формирования гранулометрического состава иловых отложений на территории национального парка «Самарская лука» // Самарская Лука: проблемы региональной и глобальной экологии. 2009. Т. 18, № 3. С. 104‒113.

Fausett L.V. Fundamentals of neural networks: architectures, algorithms and applications. Prentice-Hall, 1994. 461 p.

Hebb D.O. The Organization of Behavior: A neuropsychological theory. Lawrence Erlbaum Associates, 2002. 335 p.

Real-time: theory in practice // REX Workshop / Proceeding. Mook, The Netherlands, 1991. 723 p.

Jahanian F., Mok K. Safety analysis of timing properties in real-time systems /// IEEE Transactions of Timing Properties in a real-time systems. 1986. V. 12, № 9. P. 890‒904.

Загрузки

Опубликован

2019-06-15

Как цитировать

Валиев , В. С., Иванов , Д. В., Хасанов , Р. Р., Шамаев , Д. Е., Зиганшин , И. И., Марасов , А. А., Маланин , В. В., & Паймикина , Э. Е. (2019). Возможности нейросетевого моделирования при оценке взаимосвязей показателей состава и свойств донных отложений. Российский журнал прикладной экологии, (2), 3–8. извлечено от http://rjae.ru/index.php/rjae/article/view/75

Выпуск

Раздел

Статьи

Наиболее читаемые статьи этого автора (авторов)

1 2 3 4 > >>