Экологические системы и приборы Аннотация к статье << Назад ПРОСТРАНСТВЕННОЕ РАСПРЕДЕЛЕНИЕ ТЯЖЕЛЫХ МЕТАЛЛОВ В ВЕРХНЕМ СЛОЕ ПОЧВЫ: РЕПРЕЗЕНТАТИВНОСТЬ ИСХОДНЫХ ДАННЫХ ДЛЯ ОБУЧЕНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ А.В. Шичкин, Е.М. Баглаева, А.П. Сергеев, А.Ю. Мамедалиева, А.Г. Буевич Представлен четырехэтапный алгоритм построения обучающего множества, позволяющего минимизировать ошибку прогноза при моделировании методом искусственной нейронной сети пространственного распределения тяжелых металлов в верхнем слое почвы. В качестве исходных данных использовали содержание хрома (Cr) и марганца (Mn) в верхнем слое почвы на селитебной территории города Ноябрьск, Ямало-Ненецкого автономного округа (субарктическая зона России). Пространственные распределения содержаний элементов моделировали многослойным персептроном (MLP) с сигмовидной и гиперболической тангенциальной функциями активации. Для оценки точности модели рассчитывали среднеквадратическую ошибку (RMSE) для каждого элементного содержания. Лучшую точность показала модель MLP с функцией активации гиперболического тангенса примерно на 10 %. Предложенный алгоритм обеспечивает меньшие средние значения RMSE для пространственного распределения элемента при наличии выбросов. Для одномодальных пространственных распределений без особенностей алгоритм четырехэтапного деления не обеспечивает высокой точности предсказания. Модель тренировали на репрезентативных точках, наиболее часто попадающих в обучающее подмножество и обеспечивающих наименьшую модельную ошибку. По количеству попаданий в обучающее подмножество точки разделились на три класса: «элитные», «средние» и «бесполезные». Ключевые слова: тяжелые металлы, верхний слой почвы, MLP, разбиение исходных данных, пространственное распределение, моделирование среды, репрезентативность. DOI: 10.25791/esip.8.2022.1314 Стр. 33-42.