FINDING AVALANCHE AREAS IN EAST KAZAKHSTAN USING MACHINE LEARNING

Аннотация

В связи с высокой частотой и опасностью схода лавин в Восточном Казахстане использование современных технологий для анализа метеорологических данных стало критически важным. Данное исследование фокусируется на применении алгоритмов неконтролируемого машинного обучения, а именно K-means и K-medoids, для обнаружения скрытых закономерностей в погодных условиях, предшествующих лавинным событиям. Основная цель — определить наиболее эффективный подход к кластеризации для категоризации дней с лавинным риском на основе метеорологических показателей, таких как температура, высота снежного покрова и погодные условия. Исследование включало комплексную предварительную обработку данных, преобразование категориальных погодных параметров в числовые значения и выбор оптимальных номеров кластеров с использованием методов Elbow и Silhouette. Экспериментальные результаты показывают, что алгоритм K-means превосходит K-medoids по качеству кластеризации и интерпретируемости. Всего было выявлено четыре отдельных кластера, каждый из которых отражает уникальные погодные закономерности, связанные с лавинной активностью. Результаты показывают, что применяемая методология подходит для будущего внедрения в системы мониторинга лавин и раннего оповещения. Это исследование вносит вклад в усилия по снижению риска стихийных бедствий и поддерживает процессы принятия решений для планирования реагирования на чрезвычайные ситуации в горных регионах.