МАШИННОЕ ОБУЧЕНИЕ ДЛЯ КЛАССИФИКАЦИИ ЗАГРЯЗНЕНИЯ РАЙОНОВ ПАДЕНИЯ РАКЕТ-НОСИТЕЛЕЙ: MACHINE LEARNING FOR POLLUTION CLASSIFICATION IN ROCKET BOOSTER IMPACT AREAS
Экологический мониторинг районов падения отделяющих-ся частей ракет-носителей требует оценки загрязнения почв несимметричным диметилгидразином (НДМГ) и N-нитрозодиметиламином (NDMA), определе-ние которых трудоёмко и дорого. Цель работы состояла в проверке того, можно ли предсказать факт такого загрязнения по косвенным показателям: положению пробы относительно центра падения, глубине отбора, pH, содержанию нитратов, нитритов и нефтепродуктов. Использован открытый датасет обследования места аварии ракеты-носителя «Союз-ФГ» в Казахстане: 53 пробы почвы с измерен-ными НДМГ и NDMA, 63 записи за 2018 и 2019 гг. Сами НДМГ и NDMA из признаков исключены. Логистическая регрессия, метод k ближайших соседей, случайный лес и градиентный бустинг сравнены с правилом по расстоянию при повторной, пространственной и временной кросс-валидации. Логистическая ре-грессия и случайный лес достигли ROC-AUC 0,75–0,76 против 0,59 у правила по расстоянию, а на пробах 2018 г. с полностью измеренной химией 0,85–0,87. Наи-более информативны содержание нитратов и глубина отбора. Модель примени-ма для отбора проб, требующих дорогостоящего анализа, в геоинформационных системах мониторинга.
Сведения
- Опубликовано
- 2026 · Т. 7, № 3(27), С. 480-494
- Язык
- Русский
- ISSN
- 2708-2032 · 2708-2040
- Издатель
- International Information Technology University
- Аффилиации
- Казахский национальный университет имени аль-Фараби, Алматы, Казахстан
Казахский национальный исследовательский технический университет имени К.И. Сатпаева, Алматы, Казахстан;
Институт информационных и вычислительных технологий КН МНВО РК, Алматы, Казахстан
Республиканское государственное предприятие «Инфракос», Алматы, Казахстан.