Труды КНЦ вып. 11 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ) вып. 8/2020 (11)

систем : учебное пособие // Томск : ТПУ, 2015. — 136 с. — ISBN 978-5-4387­ 0574-1 16.ГОСТ Р ИСО/МЭК 12207-2010. «Информационная технология. Системная и программная инженерия. Процессы жизненного цикла программных средств» - Режим доступа http://protect.gost.ru/document.aspx?control=7&id=176990 (дата обращения 06.11.2020) 17.Андреев В.Ю., Базлов А.Ф. Динамическое конфигурирование системы имитационного моделирования морской обстановки // Программные продукты и системы - 2004 - №4 - С.44-46 DOI: 10.37614/2307-5252.2020.8.11.002 УДК 004.832, 550.34 А.А. Зуенко1, О.В. Фридман1, О.Г. Журавлева2, C.A. Жукова 2 1 Институт информатики и математического моделирования ФИЦ КНЦ РАН 2 Горный институт ФИЦ КНЦ РАН МЕТОДЫ ГРУППОВОЙ КЛАССИФИКАЦИИ НА ОСНОВЕ ТЕОРИИ МУЛЬТИМНОЖЕСТВ В ЗАДАЧЕ ЛОКАЛИЗАЦИИ ЗОН С РАЗЛИЧНЫМ УРОВНЕМ СЕЙСМИЧЕСКОЙ АКТИВНОСТИ ПРИ ВЕДЕНИИ ГОРНЫХ РАБОТ* Аннотация Работа посвящена оценке применимости методов групповой классификации с учителем, разработанных на основе теории мультимножеств, для решения задачи выявления зон с различной степенью сейсмической активности (на примере одного из участков высоконапряженного массива горных пород Кукисвумчоррского апатит-нефелинового месторождения). В качестве исходных объектов для процедур классификации выступают пространственные ячейки, на которые разбит участок месторождения. Каждая пространственная ячейка описывается определенным набором факторов, оказывающих, по мнению экспертов, влияние на возникновение сейсмических событий в данной ячейке. Предложено оригинальное представление пространственных ячеек (их групп) в виде совокупности мультимножеств. Проведены исследования, направленные на выявление влияния различных вариантов представления исходных данных на результат процедур классификции. Представление объектов, описываемых количественными и/или качественными признаками и существующих в нескольких версиях (экземплярах), в виде мультимножеств дает возможность не трансформировать качественные признаки в числовые при выполнении процедур кластеризации и использовать методы групповой классификации объектов. Получены обобщенные решающие правила групповой классификации для отнесения объектов (пространственных ячеек) к четырем классам сейсмической опасности. В отличие от широко применяемых в настоящее время технологий на основе нейросетевого подхода, в настоящей работе результатом обучения является не “черный ящик” в виде обученной нейронной сети, а набор правил, которые могут быть легко проинтерпретированы, что повышает доверие конечных пользователей к процедурам принятия решений. *Исследование выполнено при финансовойподдержке РФФИв рамкахнаучныхпроектов№№18- 07-00615-а, 20-07-00708a. 26