Реклама
  • Реклама, 0+, ИП Ананко В.Н. ИНН 770465006457
  • erid: 2vfnxxo6sus
Блоги ГеоИнфо Блоги ГеоИнфо
Реклама
  • Реклама. 0+. АО "Инфосистемы Джет" ИНН 7729058675
  • erid: 2vfnxxrui9q
Инфосистемы Джет Эпик Инфосистемы Джет Эпик
Реклама
  • Реклама, 0+. ООО «ИнжПроектСтрой» ИНН 5902163884
  • erid: 2vfnxvifrnd
Баннер MalininSoft правая колонка Баннер MalininSoft правая колонка
Реклама
  • Реклама, 0+. ООО "КазГеоЛаб" ИНН 1660097939
  • erid: 2vfnxxnzezx
Баннер Казгеолаб в правой колонке Баннер Казгеолаб в правой колонке
Реклама
  • Реклама. 0+. АО "Инфосистемы Джет" ИНН 7729058675
  • erid: 2vfnxxrui9q
Инфосистемы Джет Эпик Инфосистемы Джет Эпик

В Малайзии разработали систему оценки оползневой опасности на основе 15 геологических и геотехнических факторов

Исследователи Университета Малайзии в Сараваке (UNIMAS) разработали платформу GeMAS для оценки оползневой опасности вдоль горных автомобильных дорог. Система объединяет геотехнические изыскания, спутниковые данные и искусственную нейронную сеть. При испытаниях на независимой тестовой выборке разработчики получили точность классификации 99,3%.

Платформа создавалась для дорожного коридора SSLR2 протяжённостью около 335 км, проходящего по горной территории северного Саравака. Устойчивость склонов здесь зависит от сочетания крутизны рельефа, интенсивности осадков, геологического строения, свойств грунтов и воздействия строительных работ.

В модели используются 15 факторов, характеризующих условия развития оползней. Среди них угол наклона и экспозиция склонов, высотные отметки, кривизна рельефа, топографический индекс влажности, литология, тип грунта, осадки, растительный индекс NDVI и расстояния до дорог, рек и тектонических нарушений.

В состав исходных данных также включены результаты геотехнических исследований, в том числе электротомографии ERT и стандартных пенетрационных испытаний SPT. Эти методы позволяют дополнить дистанционные наблюдения сведениями о строении и свойствах грунтового массива.

Вычислительная часть GeMAS построена на искусственной нейронной сети с тремя скрытыми слоями, содержащими 64, 32 и 16 нейронов. Модель формирует индекс восприимчивости территории к оползневым процессам в диапазоне от 0 до 1, после чего участки распределяются по пяти категориям опасности.

Для обучения и проверки использовали 709 наблюдений. Из них 567 вошли в обучающую выборку, а 142 — в тестовую. По данным разработчиков, точность модели составила 99,3%, полнота обнаружения положительных случаев — 97,5%, точность положительных прогнозов — 100%, F1-мера — 98,7%, а площадь под ROC-кривой — 1,000.

Анализ чувствительности показал, что наибольшее влияние на результат классификации оказывают крутизна склонов, количество осадков и гранулометрические характеристики грунтов.

Разработчики предусматривают обновление оценки оползневой опасности с периодичностью восемь дней по мере поступления новых данных о состоянии территории и строительных воздействиях. Это должно позволить учитывать изменение условий при разработке выемок, устройстве насыпей, удалении растительности и изменении водоотвода.

При этом представленные показатели характеризуют качество классификации на сформированной тестовой выборке. Данных о результатах длительной эксплуатации платформы, точности прогнозирования времени возникновения оползней и независимой проверке на других дорожных объектах пока не приведено.

В октябре 2026 года проект GeMAS получил награду в категории исследований и разработок на Digital Economy Awards 2026.

08 Октября 2026
Комментарии
Читайте также
Учёт прочности грунтов повысил точность картирования оползневой опасности: Random Forest достиг AUC 0,99
Геофизики предложили учитывать неопределённость сейсмической инверсии при построении разрезов оползневых склонов
Нейросеть начала картировать термокарстовые оползни сразу по всему Северному полушарию
Стрелка вверхнаверх
Удалить пост?
Пост будет удален полностью и его нельзя будет востановить
Закрыть
Ссылка скопирована Закрыть
Главная страница
Главная
Новости
Новости
Дента
Лента
Меню
Ещё
  • Поделиться
Поделиться
  • Скопировать ссылку