• ВХОД

    •  

    Полное описание

    Баширова, Динара Ринатовна. Прогнозирование осадок оснований автомобильных дорог на высоких насыпях на основе машинного обучения по данным геодезических измерений = Forecasting High Road Embankment Settlements Based on Machine Learning and Geodetic Measurement Data / Д. Р. Баширова, М. Я. Брынь, Д. А. Кривоносов. - DOI 10.33764/2411-1759-2022-27-5-19-29. - Текст : непосредственный // Вестник СГУГиТ = Vestnik SSUGT : научный журнал. - 2022. - Т. 27, N 5. - С. 19-29. - Библиогр. в конце ст. - ISSN 2411-1759.

    ГРНТИ УДК
    28.23.25625.72:004.8
    73.31.11625.72:528.4

    Рубрики:
    Машинное обучение
    Искусственный интеллект -- Применение
    Автомобильные дороги -- Геодезическое обслуживание

    Кл.слова (ненормированные): коэффициент детерминации -- средняя квадратическая ошибка -- машинное обучение -- прогнозирование -- осадки -- деформации -- автомобильные дороги
    Аннотация: Описаны исследования по прогнозированию осадок оснований автомобильных дорог на высоких насыпях по данным геодезических наблюдений, а также рассмотрен вопрос их представления в виде математической модели, учитывающей закономерности развития деформационного процесса и позволяющей выявить тренд к возрастанию или убыванию наблюдаемых осадок. Отмечено, что обязательные требования к составлению прогнозных моделей по геодезическим данным на сегодняшний день отсутствуют, при этом построение таких моделей важно для рационального планирования ремонтных работ и уточнения периодичности геодезических наблюдений. Целью исследования является разработка методики выполнения прогнозирования осадок оснований автомобильных дорог на высоких насыпях. Применены следующие методы машинного обучения: линейная регрессия, адаптивная линейная регрессия, экспоненциальное сглаживание, методы опорных векторов и случайного леса. После обучения моделей и подбора их параметров было выполнено предсказание на тестовом наборе. В качестве показателей, характеризовавших качество моделей, выступали: средняя квадратическая ошибка, средний абсолютный процент ошибки, средний процент ошибки, коэффициент детерминации, коэффициент несоответствия Тейла. Минимальное значение средней квадратической ошибки RMSE = 0,8 мм было получено при использовании метода опорных векторов.
    Доп. точки доступа:
    Брынь, Михаил Ярославович
    Кривоносов, Д.А.

    Экз-ры полностью e67dddb33c309844e2b888bcc87d9cfd/2022/27/5
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -803644-848675)

    Шифр в сводном ЭК: e34b4e2b057883ac04620967582337c4




    Заказ фрагмента документа ₽