EUVIMEDEUVIMED entdecken
Crossref

ОПЫТ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗА ДИНАМИКИ МОРСКИХ БЕРЕГОВ КРИОЛИТОЗОНЫ

Д.М. БОГАТОВА, С.А. ОГОРОДОВ

Криосфера Земли · 30.06.2026 · 30 (3) · 31-46

DOI: 10.15372/kz20260304 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Криосфера Земли, erschienen am 30.06.2026. Verfasst von Д.М. БОГАТОВА und 1 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Рассматривается вопрос применимости машинного обучения для прогнозирования динамики берегов, сложенных мерзлыми дисперсными породами. Для тестирования данных технологий выбраны три хорошо изученных участка побережья в юго-западной части Карского моря, на которых лаборатория геоэкологии Севера МГУ ведет мониторинг береговых процессов с 80-х годов прошлого века. Для каждого участка с шагом 10 м были собраны данные о категориальных характеристиках береговой зоны (геоморфологический уровень, литология, доминирующий мерзлотный процесс) и количественные показатели темпов отступания берегового уступа. Последовательное применение корреляционного анализа с использованием алгоритма случайного леса и дисперсионного анализа (Welch’s ANOVA) позволило выявить признаки, наиболее сильно влияющие на динамику береговых уступов, определить сегменты береговой линии с наибольшим риском интенсивных изменений и средними значениями темпов отступания берега c определенной комбинацией категориальных признаков. Предложен подход, позволяющий на основе технологий машинного обучения проводить сегментацию морского побережья в криолитозоне по устойчивости берегов к основным природным факторам. The article considers the application of machine learning methods for predicting the retreat rates of the coasts composed of frozen unlithified sediments. To test machine learning technologies, three well-studied coastal sites in the southwestern part of the Kara Sea were selected. These sites have been monitored by the Laboratory of Geoecology of the North at Lomonosov Moscow State University since the 1980s. Data have been collected at 10-meter intervals for each site, including categorical characteristics of the coastal zone (geomorphological level, lithology, dominant permafrost process) and quantitative indicators of coastal retreat rate. A sequential application of correlation analysis using the Random Forest algorithm and the dispersion analysis (Welch’s ANOVA) made it possible to identify features that most significantly affect the retreat rate of the bluff, as well as to determine zones with the highest risk of intensive changes and average values of the coastal retreat rate with a certain combination of categorical features. The study proposes an approach that enables the segmentation of the sea coastline based on its resilience to key natural factors affecting coastal dynamics in the permafrost zone using machine learning technologies.

Zitieren

APA

БОГАТОВА, Д., & ОГОРОДОВ, С. (2026). ОПЫТ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗА ДИНАМИКИ МОРСКИХ БЕРЕГОВ КРИОЛИТОЗОНЫ. Криосфера Земли, 30(3), 31-46. https://doi.org/10.15372/kz20260304

Vancouver

БОГАТОВА Д, ОГОРОДОВ С. ОПЫТ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗА ДИНАМИКИ МОРСКИХ БЕРЕГОВ КРИОЛИТОЗОНЫ. Криосфера Земли. 2026;30(3):31-46. doi:10.15372/kz20260304

BibTeX
@article{2026,
  author = {БОГАТОВА, Д.М. and ОГОРОДОВ, С.А.},
  title = {ОПЫТ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗА ДИНАМИКИ МОРСКИХ БЕРЕГОВ КРИОЛИТОЗОНЫ},
  journal = {Криосфера Земли},
  year = {2026},
  volume = {30},
  number = {3},
  pages = {31--46},
  doi = {10.15372/kz20260304}
}
Kostenlos starten →