vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2025-30-4-15-25 Геодезия и маркшейдерия Формирование групп статистически однородных исходных данных для улучшения качества построения прогнозных математических моделей кинематического типа В. С. Хорошилов Хорошилов В. С. Н. Н. Кобелева Кобелева Н. Н. Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация 2025 30 4 15 25 © В. С. Хорошилов, Н. Н. Кобелева, 2025 2025 В. С. Хорошилов, Н. Н. Кобелева Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Исследования проведены в процессе выполнения государственного задания Минобрнауки России (тема «Автоматический геодезический мониторинг природной среды и инженерных сооружений средствами малобюджетных высокоточных датчиков вертикальных перемещений в условиях Крайнего Севера», № FEFS-2023-0003). Одной из ключевых проблем при построении прогнозных математических моделей, включая и модели кинематического типа, является неоднородность исходных данных. Неоднородность может проявляться в различных формах, включая вариативность, наличие выбросов, асимметричные распределения и другие сложности, которые значительно ухудшают качество прогнозов и усложняют процесс моделирования. Для повышения точности прогнозных моделей необходимо разделять исходные данные на группы, обладающие сходными статистическими характеристиками, что позволяет снизить влияние различных источников ошибок и улучшить стабильность результатов. Это особенно актуально при работе с неоднородными массивами данных, где традиционные методы анализа часто оказываются недостаточными для выявления скрытых закономерностей деформационного процесса. Статистическая однородность отдельных реализаций наблюдаемых деформационных марок предполагает детерминировано-вероятностную природу развития процесса деформации инженерных сооружений и ее корректное применение при построении прогнозной математической модели, что должно обеспечиваться статистическим критерием репрезентативности объема выборки. В статье рассматриваются этапы выполнения исследования на основе дисперсионного анализа для корректного выделения групп статистически однородных исходных данных, что позволяет в дальнейшем улучшить качество построения прогнозных математических моделей. С этой целью исследуются возможности применения таких ключевых статистических показателей, как коэффициенты корреляции и вариации, величина дисперсии, средние значения и другие показатели. деформации сооружений дисперсионный анализ статистически однородные данные арифметические средние коэффициент вариации математическое моделирование прогнозная модель deformations of structures analysis of variance statistically homogeneous data arithmetic means coefficient of variation mathematical modeling predictive model 1. Пособие к СНиП 2-02-01–83 (Пособие по проектированию оснований зданий и сооружений) НИИОСП им. Н. М. Герсеванова. – М. : Стройиздат, 1984. – 376 с. 2. Гуляев Ю. П. Прогнозирование деформации сооружений на основе результатов геодезических наблюдений : монография. – Новосибирск : СГГА, 2008. – 256 с. – ISBN 978-5-87693-290-7. – EDN SAQQCR. 3. Гуляев Ю. П., Хорошилов В. С. Математическое моделирование. Анализ и прогнозирование деформаций сооружений по геодезическим данным на основе кинематической модели : учеб. пособие. – Новосибирск : СГГА, 2012. – 91 с. – ISBN 978-5-87693-505-2. – EDNQNQDXD. 4. Румшиский Л. З. Элементы теории вероятностей. – М. : Наука. – 1971. – 256 с.   5. Khoroshilov V. S., Kobeleva N. N., Sycheva N. V. Mathematical modeling of the high-rise buildings deformation development process in Moscow (Vosstania square) // IOP Conference Series: Materials Science and Engineering : International Scientific Conference "Construction and Architecture: Theory and Practice of Innovative Development" - Hydrometeorological and Geodetic Research in the Building Area, Kislovodsk, 01–05 октября 2019 года. Vol. 698, 4. – Kislovodsk: Institute of Physics Publishing, 2019. – P. 044004. – DOI 10.1088/1757-899X/698/4/044004. – EDN QWILTL. 6. Хорошилов В. С., Квашенко И. Ю., Носков М. Ф. Особенности выбора деформационных марок для построения кинематической модели при изучении деформаций сооружений // Изв. вузов. «Геодезия и аэрофотосъемка». – 2013. – № 4/С. – С. 58–61. – EDN UIYCCD. 7. Гмурман В. Е. Теория вероятностей и математическая статистика. – М. : Высшая школа, 2003. – 523 с. – ISBN 5-06-004214-6. – EDN QJLKXP. 8. Николаев С. А. Статистические исследования осадок инженерных сооружений. – М. : Недра, 1983. – 112 с. 9. Шеффе Г. Дисперсионный анализ / пер. с англ. Б. А. Севастьянова и В. П. Чистякова. – М. : Госуд. изд-во «Физико-математическая литература». 1963. – 625 с. 10. Прогноз скорости осадок оснований сооружений / Под. ред. Н. А. Цитовича. – М. : Стройиздат, 1967. – 239 с.