МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ АНАЛИЗА ТРЁХМЕРНЫХ ПРОСТРАНСТВЕННЫХ ДАННЫХ В ТЕРРИТОРИАЛЬНОМ ПЛАНИРОВАНИИ КАЗАХСТАНА: MACHINE LEARNING METHODS FOR ANALYSING THREE-DIMENSION-AL SPATIAL DATA IN KAZAKHSTAN’S LAND USE PLANNING
Современные методы машинного обучения (ML) представля-ют собой эффективные инструменты для обработки и анализа сложных простран-ственных и климатических данных, необходимых для устойчивого территориаль-ного планирования. В данной работе рассматривается применение алгоритмов ML, включая многослойные персептроны (MLP) и сверточные нейронные сети (CNN), для анализа трёхмерных геопространственных данных на примере бы-стро развивающегося района Алатау города Алматы. На основе открытых источ-ников данных — спутниковых снимков Copernicus, климатического реанали-за ERA5 и пространственных слоёв QGIS — были построены высокоточные 3D-модели городской среды. Предложена гибридная архитектура CNN–MLP для классификации землепользования, прогнозирования урбанистического роста и оценки пригодности территорий для жилой и инфраструктурной застройки. Результаты показывают, что подходы, основанные на машинном обучении, позволяют значительно повысить эффективность, адаптивность и устойчивость процессов городского планирования, способствуя переходу к управлению территориями на основе данных в условиях Казахстана.
Сведения
- Опубликовано
- 2026 · Т. 7, № 1(25), С. 126-145
- Язык
- Русский
- ISSN
- 2708-2032 · 2708-2040
- Издатель
- International Information Technology University
- Аффилиации
- Казахский национальный исследовательский технический университет имени К. И. Сатпаева, Алматы, Казахстан
Международный университет информационных технологий, Алматы, Казахстан
Кубанский государственный технологический университет, Краснодар, Россия