Применение метода Монте Карло для ситуационной обработки в геоинформатике
Читать статью полностью
Применение метода Монте Карло для ситуационной обработки в геоинформатике(840,64 KB)Аннотация
Статья описывает метод расчета площади ареалов как пространственных моделей геоинформатики. Расчет основан на применении метода Монте-Карло. Решение задачи основано на использовании цифровой модели местности, позволяющей строить модель ареала по трехмерной модели. Дополнительно используют понятие эталонного объекта, реальная площадь которого известна. Метод основан на переходе от непрерывного множества к дискретному. После этого делают сравнительные оценки мощности дискретных множеств. На основе сравнительных оценок вычисляют площадь ареального объекта с использованием модели по реальной площади эталона. Расчет основан на использовании эталонного объекта. Метод исключает проведение полевых работ по вычислению реальной конфигураций ареального участка. Описана применимость и ограничение применимости метода. Даны расчетные формулы и оценка погрешностей расчетов.
Ключевые слова:
алгоритм – algorithm; геоинформатика – geoinformatics; ситуация ареал – area situation; поверхность – surface; метод Монте-Карло – Monte-Carlo method; вычисления – calculations; площадь участка – site area; погрешность определения площади – area determination error.
Список литературы
1. Deng W. et al. An effective improved co-evolution ant colony optimisation algorithm with multi-strategies and its application //International Journal of Bio-Inspired Computation. – 2020. – Т. 16. – №. 3. – С. 158-170.
2. Varol Altay E., Alatas B. Bird swarm algorithms with chaotic mapping //Artificial Intelligence Review. – 2020. – Т. 53. – №. 2. – С. 1373-1414.
3. Павлов А.И. Пространственная информационная ситуация // Славянский форум, 2016. -4(14). – с.198-203.
4. Цветков В.Я. Применение метода Монте-Карло для оценки загрязнения на морской поверхности // ИТНОУ: Информационные технологии в науке, образовании и управлении. - 2018. - № 1. - С. 35 - 40.
5. Ознамец В.В., Белоконев Г.В. Пространственное моделирование с применением БПЛА // Науки о Земле. – 2019. - №1. – с.4-15
6. Цветков В.Я., Ознамец В.В. Мониторинг транспортной инфраструктуры и использованием интеллектуальных БПЛА // Автоматика, связь, информатика. 2020. № 8. С. 18-21
7. Атнабаев А. Ф., Мазгаров А. Н. Инструмент интерактивного построения средних линий полигональных объектов в составе корпоративных ГИС // Геоинформационные технологии в проектировании и создании корпоративных информационных систем. – 2014. – С. 93-98.
8. Киселева Э. В. Датчики случайных чисел //Путь в науку. Математика. – 2020. – С. 42-44.
9. Reddi S. J., Kale S., Kumar S. On the convergence of adam and beyond //arXiv preprint arXiv:1904.09237. – 2019.
10. Alistarh D. et al. The convergence of sparsified gradient methods //arXiv preprint arXiv:1809.10505. – 2018.
11. Савиных В. П., Цветков В. Я. Геоинформатика как система наук // Геодезия и картография. – 2013. - №4. - с.52-57.
12. Сельманова Н.Н., Цветков В.Я. Применение статистического метода для вычисления площади ареального объекта // Перспективы науки и образования. - 2018. - №1(31). - с.55-60/
13. Бакаева О. А. Анализ процессов компьютерного моделирования вычисления числа Пи методом Монте-Карло //Вестник Чувашского университета. – 2018. – №. 3.
14. Краковский Ю. М., Гуляев А. С. Вычисление показателей эффективности при производстве зерна и зернобобовых культур на основе метода Монте-Карло //Инженерный вестник Дона. – 2021. – №. 2 (74). – С. 115-123.
15. Константинов Ю. В. Вычисление кратных интегралов методами Монте-Карло и квази -Монте-Карло // Перспективы развития механизации, электрификации и автоматизации сельскохозяйственного производства. – 2019. – С. 464-468