?
Прогнозирование уровней воды на реках Краснодарского края с использованием методов машинного обучения
Рассмотрена возможность построения моделей машинного обучения для прогнозирования уровней воды на участках горных рек Краснодарского края на основе данных наблюдений за уровнями воды на автоматизированных гидрологических комплексах Автоматизированной системы мониторинга паводковой ситуации Краснодарского края. В качестве объектов исследования выбраны две горные реки Краснодарского края – Пшиш и Мзымта. Они протекают в различных природных условиях, отличаются по водному режиму и характеру боковой приточности на выбранных участках. Исследованы модели на базе трех распространенных архитектур машинного обучения – регрессионной модели деревьев решений М5Р, градиентного бустинга деревьев решений XGBoost и искусственной нейронной сети на основе многослойного перцептрона. Эффективность прогнозирования проверяется для заблаговременности от 1 до 20 ч, обсуждаются различия для рек с разным водным режимом и возможности использования исследованных моделей для оперативного прогнозирования. Для р. Пшиш определена оптимальная заблаговременность прогнозирования 15–18 ч (S/σΔ – 0.38–0.39 для модели XGBoost), для р. Мзымты качество моделирования оценивается как хорошее, однако без достижения необходимой прогностической эффективности (при заблаговременности 5 ч S/σΔ = 0.87 для модели MLP). Полученные результаты позволяют оценить модели машинного обучения как пригодные для задач краткосрочного гидрологического прогнозирования на основе высокочастотных данных наблюдений за уровнями воды.