Асимптотический метод вычисления многомерных интегралов в задачах прогнозирования состояния термокарстовых озер

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Статья посвящена разработке аналитического метода приближенного вычисления многомерных интегралов, ориентированного на решение балансовых уравнений в процедурах рандомизированного машинного обучения. Последние используются для прогнозирования эволюции площади термокарстовых озер. Метод базируется на разложении в ряд аналитической функции - экспоненты - и трансформации многомерных интегралов в произведение простых одномерных интегралов на интервальных множествах.

Об авторах

Юрий Соломонович Попков

Федеральный исследовательский центр «Информатика и управление» РАН

Автор, ответственный за переписку.
Email: popkov@isa.ru

Главный научный сотрудник; Академик РАН, доктор технических наук, профессор

Россия, Москва

Юрий Михайлович Полищук

Югорский НИИ информационных технологий

Email: yupolishchuk@gmail.com

Главный научный сотрудник, доктор физико-математических наук

Россия, Ханты-Мансийск

Список литературы

  1. Zuidhoff F.S., Kolstrup E. Changes in palsa distribution in relation to climate change in Laivadalen, Northern Sweden, espesially 1960-1997. Permafrost and Periglacial Processes, 2000, v.11, pp. 55-69.
  2. Kirpotin S., Polishchuk Y., Bruksina N. Abrupt changes of thermokarst lakes in Western Siberia: impacts of climatic warming on permafrost melting. International Journal of Environmental Studies. 2009, v. 66, No.4, pp.423-431.
  3. Karlson J.M., Lyon S.W., Destouni G. Temporal behavior of lake size-distribution in a thawing permafrost landscape in Northwestern Siberia. Remote sensing, 2014, No. 6, pp. 621-636.
  4. Bryksina N.A., Polishchuk Yu.M. Analysis of changes in the number of thermokarst lakes in permafrost of Western Siberia on the basis of satellite images. Cryosphere of Earth, 2015, v. 19, No.2, pp. 114-120.
  5. Popkov Y.S., Popkov A.Y., Dubnov Y.A. Entropy randomization in Machine Learning. CRC Press, 2023
  6. Dubnov Y.A., Popkov A.Y., Polishcuk V.Y., Sokol E.S., Melnikov A.V., Y.M.Polishcuk Y.M., Popkov Y.S. Randomized Mashine Learning Algoritms to Forecast the Evolution of Thermokarst Lakes Area in Permafrost Zones. Automation and Remote Control, 2023, v.84, No.1, p. 56-70.
  7. Дарховский Б.С., Попков А.Ю., Попков Ю.С. Метод пакетных итераций Монте-Карло для решения задач глобальной оптимизации. Информационные технологии и вычислительные системы. 2014, вып.3. С. 39-52.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).