ГЕОГРАФИЯЛЫҚ НҮКТЕЛЕРДІҢ БИІКТІГІН БОЛЖАУҒА АРНАЛҒАН МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІНЕ НЕГІЗДЕЛГЕН ИННОВАЦИЯЛЫҚ ШЕШІМДЕР

Аннотация

В данном исследовании всесторонне рассматриваются современные вопросы прогнозирования высотных показателей рельефа на основе интеграции географических информационных систем (ГИС) и алгоритмов машинного обучения. На сегодняшний день актуальность создания высокоточных цифровых моделей рельефа для территории Казахстана крайне высока. Это объясняется, прежде всего, уникальной геоморфологической сложностью страны: ландшафт Казахстана, где низменности Прикаспия соседствуют с высокогорными системами Тянь-Шаня и Алтая, представляет собой серьезный вызов для любой математической модели.

С практической точки зрения такая природная неоднородность значительно снижает эффективность классических методов геостатистической интерполяции таких как кригинг или метод обратных взвешенных расстояний (IDW). Стандартные подходы не способны в полной мере учитывать градиенты рельефа, что приводит к значительным погрешностям. Для устранения этих недостатков в ходе исследования было решено использовать современные подходы, ориентированные на данные (data-driven). Предметом исследования являются прогрессы регрессивного прогнозирования высотных точек путем внедрения пространственных данных из ГИС-платформ в модели машинного обучения.

Полученные результаты показали, что методы машинного обучения обеспечивают точность на 20-35% выше по сравнению с традиционными подходами. В ходе сравнительного анализа модель Random Forest продемонстрировала наивысшую стабильность и способность к обобщению при работе со сложными наборами данных.

  В заключение следует отметить, что предложенная методика закладывает основу для вывода цифровой картографии Казахстана на качественно новый уровень. Результаты исследования рекомендуются к внедрению в геодезическое проектирование, гидрологическое моделирование, экологический мониторинг и государственные системы управления природными ресурсами.