Нейросетевой и геостатистический методы обработки экологической информации о распределении меди в верхнем слое почвы

Abstract

Работа посвящена обработке экологической информации: предсказанию содержания меди в верхнем слое почвы по результатам почвенного скрининга. Для анализа использовались данные 101 пробы верхнего слоя почвы, отобранные с площади 6 км2 в городе Тарко-Сале, Ямало-Ненецкого автономного округа в 2007 году. Проведено сравнение оценок концентраций поверхностного распределения меди в почве, полученных с применением геостатистического метода (кригинг), метода искусственных нейронных сетей (ANN), а также гибридной модели (комбинирующих методы ANN и кригинг). После компьютерного моделирования была выбрана наилучшая структура ANN для восстановления поверхностного распределения меди. Сравнение содержания меди в почве, предсказанное методами кригинга и ANN, с гибридной моделью показали, что результат с наименьшей ошибкой предсказывает гибридная модель. Продемонстрированы возможности комбинации методов геостатистики и ANN для моделирования и анализа пространственно распределенных экологических данных.

The work deals with the processing of environmental information: the prediction of the copper content in the upper layer of the soil based on the soil screening. Data from the 101 samples of topsoil which was taken from the area of 6 km2 in Tarko-Sale, Yamalo-Nenets Autonomous district in 2007 was used. A comparison of the estimates of surface concentration distribution of copper in soil was obtained using a geo-statistical method (kriging), artificial neural networks (ANN) and hybrid model (combining the methods of ANN and kriging). After computer modeling the best structure of ANN for the reconstruction of the surface distribution of copper was chosen. A comparison of copper content in the soil, predicted by kriging ANN and hybrid model, showed that the result with the smallest error was predicted by hybrid model. It was demonstrated the possibility of a combination of the methods of geostatistics and ANN for modeling and analysis of spatially distribut-ed ecological data.