Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

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 текст

Список литературы:

  1. Vapnik, V. - Statistical Learning Theory. New York: Wiley, 1998.
  2. Haykin, S. Neural Networks. A comprehensive Foundation. - New Jersey: Prentice Hall, 1
  3. Bishop C.M. Pattern Recognition and Machine Learning. - New York: Springer Science+Business Media, 2006. - 738 p.
  4. 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.
  5. Robert, Christian (2007). The Bayesian Choice (2nd ed.). New York: Springer. doi:10.1007/0-387- 71599-1. MR1835885. ISBN 0-387-95231-4.
  6. 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
  7. 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.
  8. H. B. Mitchell, Multi-sensor Data Fusion - An Introduction (2007) Springer-Verlag, Berlin, ISBN 9783540714637
  9. S. Das, High-Level Data Fusion (2008), Artech House Publishers, Norwood, MA, ISBN 9781596932814 and 1596932813
  10. Tommi Jaakkola, course materials for 6.867 Machine Learning, Fall 2006. MIT OpenCourse- Ware(http://ocw.mit.edu/), Massachusetts Institute of Technology.
  11. S. Kotsiantis, P. Pintelas, Combining Bagging and Boosting, International Journal of Computational Intelligence, Vol. 1, No. 4 (324-333), 2004.
  12. 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.
  13. 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.
  14. 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.
  15. 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.