ГЕОГРАФИЯЛЫҚ НҮКТЕЛЕРДІҢ БИІКТІГІН БОЛЖАУҒА АРНАЛҒАН МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІНЕ НЕГІЗДЕЛГЕН ИННОВАЦИЯЛЫҚ ШЕШІМДЕР

Е.А.Тулегенов, Н.О.Мекебаев, Ж.А. Орынтаева

doi:10.37238/2960-1371.2960-138X.2026.102(2).35

Е.А.Тулегенов, Н.О.Мекебаев, Ж.А. Орынтаева Қазақ ұлттық қыздар педагогикалық университет

DOI: https://doi.org/10.37238/2960-1371.2960-138X.2026.102(2).35

Ключові слова: Машиналық оқыту, географиялық нүктелер, рельеф, кеңістік, Random, ANN, ГАЖ.

Анотація

Осы зерттеуде географиялық ақпараттық жүйелерді (ГАЖ) және машиналық оқыту алгоритмдерін біріктіру негізінде жер бедерінің биіктік көрсеткіштерін болжаудың заманауи мәселелері жан-жақты қарастырылады. Бүгінде Қазақстан аумағының жоғары дәлдіктегі сандық рельефтік үлгілерін жасау өзекті болып отыр. Бұл, ең алдымен, елдің геоморфологиялық құрылымының ерекше күрделілігімен түсіндіріледі. Қазақстанның ландшафты, бір жағынан Каспий жазықтығының төменгі алаптары ,ал екінші жағынан Тянь-Шань мен Алтайдың биік тау жүйелері болып келетін жерлер, кез келген математикалық модель үшін маңызды сынақ болып табылады.

Практикалық тұрғыдан алғанда мұндай табиғи гетерогенділік дәстүрлі кригинг немесе кері қащықтықты масштабтау (IDW) сияқты классикалық геостатистикалық интерполяция әдістерінің тиімділігі айтарлықтай төмендетеді. Стандартты әдістер жер бетінің пішімінің бедер құрылымының кенеттен өзгеруін яғни градиенттерді ескермей, бұл үлкен қателіктердің орын алуына әкелуі мүмкін. Бұл кемшіліктерді жою үшін біздер зерттеуіміздегі жаңашыл ақпарат негізіндегі деректерге нақты фактілерге құрылған тәсілдерді қолдануды жөн көрдік. Біздің зертттеуіміздің негізгі бағыты – ГАЖ платформаларынан алынған кеңістіктік ақпараттық деректерді машиналық оқыту модельдеріне интеграциялау негізінде биіктікті регрессия тәсілдері негізінде болжау.

Нәтижелері көрсеткендей, машиналық оқыту әдістері дәстүрлі әдістерге қарағанда 20-35% жоғары дәлдік береді. Салыстырмалы талдау кезінде кездейсоқ Random Forest ең жоғары тұрақтылық пен күрделі деректер жиындарымен жұмыс кезінде жалпылау қабілетін көрсетті. Бұл модель бедерінің жергілікті өзгерістерін сипаттауға мүмкіндік берді.

Қорытындылай келе, ұсынылған әдістеме Қазақстанның сандық картографиясын жаңа деңгейге шығару үшін негіз болды. Зерттеу нәтижелерін геодезиялық жобалауда гидрологиялық модельдеуде,қоршаған ортаны бақылауда және табиғи ресурстарды басқарудың мемлекеттік жүйелерінде қолдануды енгізу ұсынылады. Бұл әдістер тек ғылыми маңызға ғана ие болмай, сонымен қатар еліміздің жер ресурстарын тиімді пайдалануға бағытталған сандық трансформацияға елеулі үлес қосады.