ИИ-модель классифицирует данные наблюдений твёрдых приливов Земли

В журнале Applied Sciences опубликовано исследование, посвящённое автоматической классификации данных наблюдений твёрдых приливов Земли. Такие наблюдения отражают периодические деформации земной коры под воздействием гравитации Луны и Солнца и используются в геофизических исследованиях.

Авторы предложили гибридную модель машинного обучения, объединяющую алгоритмы GBDT и LightGBM. Такой подход предназначен для анализа временных рядов, в которых могут присутствовать нелинейные зависимости, нестационарные колебания и различные виды помех.

Модель должна различать несколько типов наблюдений: нормальные колебания, неисправности измерительного оборудования, естественные помехи, влияние человеческой деятельности и геофизические события.

Автоматическая классификация помогает выявлять подозрительные фрагменты данных и уменьшать объём ручной проверки измерительных рядов.

Работа показывает, как методы машинного обучения могут применяться для контроля качества геофизических наблюдений. При этом результаты классификации не заменяют физическую интерпретацию данных: для практического использования модели необходимы проверка на независимых выборках и оценка того, насколько хорошо она переносится на другие приборы и условия измерений.

Источник