ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ЕЖЕДНЕВНОГО ПРОГНОЗИРОВАНИЯ УРОВНЯ ВОДЫ В КАЗАХСТАНСКИХ ВОДОХРАНИЛИЩАХ

Аннотация

Для управления водными ресурсами в Казахстане очень важно предсказывать, насколько поднимется уровень воды. Водохранилища играют ключевую роль в орошении сельскохозяйственных культур, выработке электроэнергии и обеспечении населения водой. Обычные методы прогнозирования часто дают сбои, потому что им сложно учитывать природные и человеческие факторы, особенно при недостатке данных или быстрых изменениях. В этом исследовании используются три базовые модели машинного обучения – Дерево решений, Случайный лес и K-ближайших соседей - а также гибридная модель на основе Случайного леса регрессора и Многослойного перцептрона для прогнозирования суточных объёмов воды на основе архивных данных Казгидромета. Данные были очищены. Заполнены пропущенные значения. Приведены к единому масштабу. После тестирования различных методов лучшей оказалась гибридная модель. Она давала наиболее точные и стабильные прогнозы без существенных колебаний. Исследование показывает, что методы машинного обучения, особенно гибридная модель, могут эффективно помочь в управлении водными ресурсами Казахстана. Такая помощь даёт специалистам возможность лучше реагировать на экологические и социальные вызовы. Возможность прогнозирования позволяет принимать более обоснованные решения, учитывающие неполные данные и сложные изменяющиеся факторы. Это делает использование водных ресурсов более устойчивым, справедливым и подготовленным к будущим условиям.