Исследование взаимосвязи толщины лесной подстилки и лесотаксационных характеристик с помощью методов машинного обучения

По данным полевых измерений лесной подстилки и подеревной таксации методами машинного обучения построены регрессионные модели зависимости толщины (мощности) подстилки от набора таксационных характеристик. Пространственный уровень моделирования соответствует парцеллярному уровню строения биогеоценоза. Модели описывают зависимость мощности (толщины) подстилки от типа лесорастительных условий, древесной породы, класса бонитета, высоты, возраста древесной породы, максимальной ширины кроны дерева, диаметра ствола на высоте 1,3 м. Сбор образцов подстилки в многократной повторности проведён на пробных площадях одновременно с выполнением работ по государственной инвентаризации лесов 2-го цикла в Валдайском районе Новгородской обл. Объем выборки – 260 образцов. При построении моделей экспериментально опробовано 7 алгоритмов машинного обучения: нейросетевая регрессия, регуляризованная линейная регрессия, регрессия методом бустинга, методом дерева решений, методом случайного леса (Random Forest), методом опорных векторов и методом K-ближайших соседей. Оптимальными, исходя из совокупности критериев качества и коэффициента детерминации, оказались модели, построенные методом K-ближайших соседей и методом опорных векторов: доля дисперсии, объяснённая моделями, в общей дисперсии целевой переменной составляет 0,85 и 0,86, ошибка прогнозирования мощности подстилки – ≈22 и 29% соответственно. Результаты проведённого исследования продемонстрировали эффективность использования методов машинного обучения с целью моделирования таких показателей, для которых не существует точных методов измерения и отличающихся крайней вариативностью в пространстве и во времени.