Современные проблемы дистанционного зондирования Земли из космоса. 2010. Т. 7. №2. С. 55-66
Геопространственный анализ рисков на основе слияния данных
Н.Н. Куссуль
, Я.И. Зелык
, С.В. Скакун
, А.Ю. Шелестов
Институт космических исследований НАНУ-НКАУ, Проспект Академика Глушкова, 40, корп. 4/1, Киев, Украина,
03680
Рассматривается задача оценки рисков, связанных с чрезвычайными ситуациями природного характера на
основе анализа разнородной геопространственной информации (спутниковых и наземных данных, а также
данных моделирования). Предлагается формализованная постановка задачи, обосновывается метод ее реше-
ния и рассматривается пример его практического применения для оценки риска затоплений в Намибии. Ос-
новой метода является ансамблевый подход к анализу разнородных данных с использованием технологий
слияния данных (data fusion) и оценивание с его помощью плотности распределения вероятности стихийно-
го бедствия.
Ключевые слова: Оценка рисков, стихиные бедствия, геопространственные данные, минимизация среднего риска, функция плотности вероятности, статистическая теория обучения, принцип максимального правдо- подобия, слияние данных, ДЗЗ, ансамблевая обработка данных, нейросетевой классификатор
Полный текстСписок литературы:
- Vapnik, V. - Statistical Learning Theory. New York: Wiley, 1998.
- Haykin, S. Neural Networks. A comprehensive Foundation. - New Jersey: Prentice Hall, 1
- Bishop C.M. Pattern Recognition and Machine Learning. - New York: Springer Science+Business Media, 2006. - 738 p.
- Flage R., Aven T., Expressing and communicating uncertainty in relation to quantitative risk analysis// R&RATA, # 2(13), part 1 (Vol.2), 2009, PP. 9-18.
- Robert, Christian (2007). The Bayesian Choice (2nd ed.). New York: Springer. doi:10.1007/0-387- 71599-1. MR1835885. ISBN 0-387-95231-4.
- S.N. Jonkman et al. An overview of quantitative risk measures for loss of life and economic damage // Journal of Hazardous Materials A99 (2003). P. 1-30
- М. Piers, Methods and models for the assessment of third party risk due to aircraft accidents in the vicinity of airports and their implications for societal risk// In: R/E/ Jorissen, P.J.M.Stallen (Eds.), Quantified Societal Risk and Policy Making, Kluwer Academic Publishers, Dordrecht, 1998.
- H. B. Mitchell, Multi-sensor Data Fusion - An Introduction (2007) Springer-Verlag, Berlin, ISBN 9783540714637
- S. Das, High-Level Data Fusion (2008), Artech House Publishers, Norwood, MA, ISBN 9781596932814 and 1596932813
- Tommi Jaakkola, course materials for 6.867 Machine Learning, Fall 2006. MIT OpenCourse- Ware(http://ocw.mit.edu/), Massachusetts Institute of Technology.
- S. Kotsiantis, P. Pintelas, Combining Bagging and Boosting, International Journal of Computational Intelligence, Vol. 1, No. 4 (324-333), 2004.
- Скакун С.В. Нейросетевой метод картографировання паводков на основе спутниковых изо- бражений // Научные труды ДонНТУ серия "Информатика, кибернетика и вычислительная техника". 2009. - Вып. 10(153). - C. 115-120.
- Kussul N., Shelestov A., Skakun S. Intelligent Computations for Flood Monitoring// International Book Series "Advanced Research in Artificial Intelligence" (ed. Markov K., Ivanova K., Mitov I.), 2008, number 2, pp.48-54.
- Kussul N., Shelestov A., Skakun S. Grid System for Flood Extent Extraction from Satellite Images // Earth Science Informatics. - 2008. - 1(3-4). - P. 105-117.
- De Groeve, T., P. Riva, 2009. Global real-time detection of major floods using passive microwave remote sensing. Proceedings of the 33rd International Symposium on Remote Sensing of Environment Stresa, Italy, May 2009.