Тип публикации: статья из журнала
Год издания: 2023
Ключевые слова: primary gross production, machine learning, Cubist rule-based model, regression metrics, hold-out split validation, cross-validation, первичная валовая продукция, машинное обучение, модель Cubist, метрики регрессии, hold-outsplit валидация, кросс-валидация
Аннотация: В работе представлены результаты расчетов первичной валовой продукции для территории Алтайского края, полученные с использованием методов машинного обучения. В качестве базовой модели для предсказания значений целевой переменной использовалась древовидная регрессионная модель Cubist. Обучение модели проводилось на наборе данных за Показать полностью2021 г., включающем продукты радиометра MODIS/Terra, а также результаты реанализа ERA5. Показано, что значения метрик регрессии (коэффициент детерминации и среднеквадратическая ошибка), полученные с использованием валидации по методу отложенной выборки для 2021 г., и метрики, полученные с использованием кросс-валидации на тестовом наборе данных для 2022 г., позволяют сделать вывод о высоком качестве обучения модели и о возможности ее применения для моделирования первичной валовой продукции региона. We present the results of calculations of the primary gross production for the Altai Krai, obtained by machine learning. The Cubist tree regression model was used as the base for predicting the values of the target variable. The model was trained on a data set for 2021, including the MODIS/Terra radiometer products, as well as the ERA5 reanalysis results. It is shown that the values of the regression metrics (determination coefficient and root mean square error), obtained by the hold-out split validation for 2021, and the ones obtained by cross-validation on the test data set for 2022, allow us to conclude about the high quality of training the model and the possibility of its application for modeling the primary gross production of the region.
Журнал: Высокопроизводительные вычислительные системы и технологии
Выпуск журнала: Т. 7, № 1
Номера страниц: 77-84
ISSN журнала: 26190818
Место издания: Барнаул
Издатель: Алтайский государственный университет