ՍԵՎԱՆԱ ԼՃԻ ԱՎԱԶԱՆԻ ԳԵՏԵՐԻ ՍԱՌՑԱՅԻՆ ԵՐԵՎՈՒՅԹՆԵՐԻ ԱՄՍԱԹՎԵՐԻ ՄՈԴԵԼԱՎՈՐՄԱՆ ՀԱՄԱՐ ՄԵՔԵՆԱՅԱԿԱՆ ՈՒՍՈՒՑՄԱՆ ՄԵԹՈԴՆԵՐԻ ԿԻՐԱՌՈՒՄԸ
DOI:
https://doi.org/10.46991/PYSUC.2026.SI1.028Բանալի բառեր:
ice conditions, classification decision trees, forecasts, machine learning, Naive Bayes classifierԱմփոփում
Ջրավազանների սառցային ծածկույթի ուսումնասիրության առաջնահերթություններն են անվտանգ նավարկության ապահովումը, հիդրավլիկ կառուցվածքների պաշտպանությունը և բնական աղետներից տնտեսական վնասի նվազագույնի հասցնելը։ Սառույցի կանխատեսման ամենակարևոր տեսակներից մեկը սառույցի առաջացման սկզբի և ավարտի ամսաթվերի որոշումն է, որը բարդ գործընթաց է, որը զգալիորեն տարբերվում է՝ կախված այն ձևավորող գործոններից։ Հետևաբար, այս ուսումնասիրության նպատակն է Սևանա լճի ավազանի գետերի սառցային պրոցեսների մոդելավորման մեջ ներդնել մեքենայական ուսուցման մեթոդներ (որոշման ծառի մեթոդներ և միամիտ բայեսյան դասակարգիչ): Առաջարկվող ալգորիթմները հիմնված են առանձին առանձնահատկությունների որոշակի դասի (խմբի) մեջ հավանականային ներառման վրա։ Ուսումնասիրության համար ընտրվել են Սևանի ավազանի հինգ հիդրոլոգիական դիտակետեր, որտեղ դիտվում են սառցային երևույթներ՝ Ձկնագետ գետ (դիտակետ՝ Ծովագյուղ), Դրախտիկ գետ (դիտակետետ՝ Դրախտիկ), Փամբակ գետ (դիտակետ՝ Փամբակ), Վարդենիս գետ (դիտակետետ՝ Վարդենիկ) և Բախտակ գետ (դիտակետ՝ Ծակքար): Օգտագործվել են 2015-2023 թթ․ հիդրոօդերևութաբանական տվյալները (ՀՀ շրջակա միջավայրի նախարարության «Հիդրոօդերևութաբանության և մոնիթորինգի կենտրոն» ՊՈԱԿ): Մեթոդների որակը ստուգելու համար սկզբնական տվյալների բազմությունը բաժանվել է ուսումնական (2015-2022) և փորձարկման (2023) մասի։ Դիտարկվել են որոշման ծառերի և միամիտ բայեսյան դասակարգչի մեթոդները։ Ներկայացվում է Սևանա լճի ավազանի գետերի սառցային երևույթների վերլուծությունը։ Առաջարկվող մեթոդների փորձարկումը ցույց է տալիս, որ սառցային երևույթների իրական սկիզբը դիտվում է կանխատեսված ամսաթվերից ուշ։ Մոդելները նաև ավելի վատն են սառցային երևույթների ավարտի ամսաթիվը կանխատեսելու հարցում։ Ամբողջ փորձարկման ժամանակահատվածում ճիշտ կանխատեսումների հարաբերական թիվը համեմատելիս՝ միամիտ բայեսյան դասակարգչի մեթոդը ցույց է տալիս ճշտության փոքր առավելություն։
Ներբեռնումներ
Ներբեռնումներ
Հրատարակվել է
Թողարկում
Բաժին
Արտոնագհր
Copyright (c) 2026 ԵՊՀ Գիտական տեղեկագիր
Այս աշխատանքն արտոնագրված է որպես a Creative Commons Attribution-NonCommercial 4.0 International License.
