|
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Методы групповой классификации на основе теории мультимножеств в задаче локализации зон с различным уровнем сейсмической активности при ведении горных рабостатья
- Авторы: Zuenko A.A., Fridman O.V., Zhuravleva O.G., Zhukova S.A.
- Журнал: Труды Кольского научного центра РАН
- Том: 11
- Номер: 8-2020
- Год издания: 2020
- Издательство: Федеральное государственное бюджетное учреждение науки Федеральный исследовательский центр "Кольский научный центр Российской академии наук"
- Местоположение издательства: Апатиты
- Первая страница: 26
- Последняя страница: 38
- DOI: 10.37614/2307-5252.2020.8.11.002
- Аннотация: Работа посвящена оценке применимости методов групповой классификации с учителем, разработанных на основе теории мультимножеств, для решения задачи выявления зон с различной степенью сейсмической активности (на примере одного из участков высоконапряженного массива горных пород Кукисвумчоррского апатит-нефелинового месторождения). В качестве исходных объектов для процедур классификации выступают пространственные ячейки, на которые разбит участок месторождения. Каждая пространственная ячейка описывается определенным набором факторов, оказывающих, по мнению экспертов, влияние на возникновение сейсмических событий в данной ячейке. Предложено оригинальное представление пространственных ячеек (их групп) в виде совокупности мультимножеств. Проведены исследования, направленные на выявление влияния различных вариантов представления исходных данных на результат процедур классификции. Представление объектов, описываемых количественными и/или качественными признаками и существующих в нескольких версиях (экземплярах), в виде мультимножеств дает возможность не трансформировать качественные признаки в числовые при выполнении процедур кластеризации и использовать методы групповой классификации объектов. Получены обобщенные решающие правила групповой классификации для отнесения объектов (пространственных ячеек) к четырем классам сейсмической опасности. В отличие от широко применяемых в настоящее время технологий на основе нейросетевого подхода, в настоящей работе результатом обучения является не “черный ящик” в виде обученной нейронной сети, а набор правил, которые могут быть легко проинтерпретированы, что повышает доверие конечных пользователей к процедурам принятия решений.
- Добавил в систему: Жукова Светлана Александровна