EUVIMEDEUVIMED entdecken
Crossref

Система сбора и обработки геопространственных данных для проведения анализа с помощью машинного обучения

В. А. Кузнецов, И. А. Лисенков

Вестник НИЯУ МИФИ · 28.06.2026 · 15 (3) · 211-222

DOI: 10.26583/vestnik.2026.3.3 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Вестник НИЯУ МИФИ, online erschienen am 28.06.2026. Verfasst von В. А. Кузнецов und 1 weiteren Autor:innen. Die Arbeit nennt 13 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

В статье рассматриваются современные инструменты и подходы к проектированию ETL-систем для интеграции и предварительной обработки растровых, векторных и табличных геопространственных данных. Подготовленные данные могут быть использованы для последующего анализа методами машинного обучения. Предлагаемый подход основан на модульной архитектуре конвейера, адаптированной к особенностям GIS-форматов и обеспечивающей интеграцию с ML-пайплайнами без необходимости дорогостоящих лицензий и существенной доработки существующих платформ. Предложен специализированный ETL-конвейер на базе платформы OpenNeurons и СУБД PostgreSQL/PostGIS, включающий конфигурационные модули для описания источников и адаптеров, реализованных на Python с использованием библиотек geopandas, rasterio и pyshp. Система также включает драйвер для прямого взаимодействия с файловым хранилищем и выполнения плановых обновлений данных, а также веб-интерфейс для управления задачами, мониторинга и логирования. Разработанная система была протестирована на реальных геопространственных данных. В частности, был сформирован унифицированный набор данных, содержащий 227 геолого-геофизических параметров для восточного сектора Российской Арктики, подготовленный для последующего анализа методами машинного обучения. Кроме того, в задаче бинарной классификации 240 морфоструктурных узлов Кавказского региона с использованием алгоритмов Gradient Boosting и AutoKeras на тестовой выборке был достигнут F1-score, близкий к 1.0. Сравнение с алгоритмом КОРА-3 показало 67 % совпадение прогнозов, что свидетельствует о потенциальной применимости подхода и требует дополнительной валидации на независимых данных. По сравнению с универсальными ETL-решениями предложенная система характеризуется низкими затратами на внедрение, расширяемостью за счёт пользовательских адаптеров и интеграцией с инструментами машинного обучения. Полученные результаты демонстрируют применимость разработанного ETL-конвейера для задач обработки геопространственных данных.

Zitieren

APA

Кузнецов, В. А., & Лисенков, И. А. (2026). Система сбора и обработки геопространственных данных для проведения анализа с помощью машинного обучения. Вестник НИЯУ МИФИ, 15(3), 211-222. https://doi.org/10.26583/vestnik.2026.3.3

Vancouver

Кузнецов ВА, Лисенков ИА. Система сбора и обработки геопространственных данных для проведения анализа с помощью машинного обучения. Вестник НИЯУ МИФИ. 2026;15(3):211-222. doi:10.26583/vestnik.2026.3.3

BibTeX
@article{2026,
  author = {Кузнецов, В. А. and Лисенков, И. А.},
  title = {Система сбора и обработки геопространственных данных для проведения анализа с помощью машинного обучения},
  journal = {Вестник НИЯУ МИФИ},
  year = {2026},
  volume = {15},
  number = {3},
  pages = {211--222},
  doi = {10.26583/vestnik.2026.3.3}
}
Kostenlos starten →