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 10.33764/2411-1759-2022-27-5-19-29 Геодезия и маркшейдерия Прогнозирование осадок оснований автомобильных дорог на высоких насыпях на основе машинного обучения по данным геодезических измерений Д. Р. Баширова Баширова Д. Р. М. Я. Брынь Брынь М. Я. Д. А. Кривоносов Кривоносов Д. А. Петербургский государственный университет путей сообщения Императора Александра I, г. Санкт-Петербург, Российская Федерация ООО «Трансстроймеханизация», г. Москва, Российская Федерация 2022 27 5 19 29 © Д. Р. Баширова, М. Я. Брынь, Д. А. Кривоносов, 2022 2022 Д. Р. Баширова, М. Я. Брынь, Д. А. Кривоносов Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Описаны исследования по прогнозированию осадок оснований автомобильных дорог на высоких насыпях по данным геодезических наблюдений, а также рассмотрен вопрос их представления в виде математической модели, учитывающей закономерности развития деформационного процесса и позволяющей выявить тренд к возрастанию или убыванию наблюдаемых осадок. Отмечено, что обязательные требования к составлению прогнозных моделей по геодезическим данным на сегодняшний день отсутствуют, при этом построение таких моделей важно для рационального планирования ремонтных работ и уточнения периодичности геодезических наблюдений. Целью исследования является разработка методики выполнения прогнозирования осадок оснований автомобильных дорог на высоких насыпях. Применены следующие методы машинного обучения: линейная регрессия, адаптивная линейная регрессия, экспоненциальное сглаживание, методы опорных векторов и случайного леса. После обучения моделей и подбора их параметров было выполнено предсказание на тестовом наборе. В качестве показателей, характеризовавших качество моделей, выступали: средняя квадратическая ошибка, средний абсолютный процент ошибки, средний процент ошибки, коэффициент детерминации, коэффициент несоответствия Тейла. Минимальное значение средней квадратической ошибки RMSE = 0,8 мм было получено при использовании метода опорных векторов. автомобильные дороги деформации осадки прогнозирование машинное обучение средняя квадратическая ошибка коэффициент детерминации highways deformations settlements forecast machine learning root mean square error coefficient of determination 1. Брынь М. Я., Шевченко Г. Г. Построение прогнозной модели поисковым методом нелинейного программирования по геодезическим данным // Инженерные изыскания. – 2019. – Т. 13, № 4. – С. 48–58. 2. Голюк В. П., Назаров Д. Г. Комплексный подход к геодезическому контролю укладки асфальтобетонного покрытия на примере строительства автодорожного мостового перехода через Керченский пролив // Интерэкспо ГЕО-Сибирь. XVI Междунар. науч. конгр. : Национальная науч. конф. с междунар. участием «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 8 т. (Новосибирск, 18 июня – 8 июля 2020 г.). – Новосибирск : СГУГиТ, 2020. Т. 1, № 1. – С. 106–119. 3. Гуляев Ю. П. Прогнозирование деформаций сооружений на основе результатов геодезических наблюдений : монография. – Новосибирск : СГГА, 2008. – 256 с. 4. Зайцев А. К., Марфенко С. В., Михелев С. В. и др. Геодезические методы исследования деформаций сооружений. – М. : Недра, 1991. – 272 с. 5. He P., Xu F., Sun S. Nonlinear deformation prediction of tunnel surrounding rock with computational intelligence approaches // Geomatics Natural Hazards & Risk. – 2020. – Vol. 11, Iss. 1. – P. 414–427. 6. Kuzin A. A., Grishchenkova E. N., Mustafin M. G. Prediction of natural and technogenic negative processes based on the analysis of relief and geological structure // Procedia Engineering. – 2017. – Vol. 189. – P. 744–751. 7. Стандарт организации. Объекты использования атомной энергии. Геодезический мониторинг зданий и сооружений в период строительства и эксплуатации (СТО СРО-С 60542960 00043-2015) : разработан ООО «Центр технических компетенций атомной отрасли»: внесен Советом СРО НП «СОЮЗАТОМСТРОЙ»: утвержден и введен в действие Протоколом общего собрания СРО НП «СОЮЗАТОМСТРОЙ» № 11 от 12.02.15 г. – М., 2015. – 157 с. 8. Кобелева Н. Н. Методические особенности построения прогнозных моделей для изучения деформаций высоких плотин // Вестник СГУГиТ. – 2017. – Т. 22, № 2. – С. 55–66. 9. Мазуров Б. Т., Панкрушин В. К., Середович В. А. Математическое моделирование и идентификация напряженно-деформированного состояния геодинамических систем в аспекте прогноза природных и техногенных катастроф // Вестник СГГА. – 2004. – Вып. 9. – С. 30–35. 10. Стандарт организации. Объекты использования атомной энергии. Геодезический мониторинг зданий и сооружений в период строительства и эксплуатации (СТО НОСТРОЙ 2.1.198-2016) : разработан ООО «Центр технических компетенций атомной отрасли» – М., 2016. – 158 с. 11. Lu F., Zeng H. Application of Kalman Filter Model in the Landslide Deformation Forecast // Scientific Reports. – 2020. – Vol. 10, Iss. 1. 12. Ma P., Zhang F., Lin H. Prediction of InSAR time-series deformation using deep convolutional neural networks // Remote Sensing Letters. – 2020. – Vol. 11, Iss. 2. – P. 137–145. 13. Симонян В. Изучение оползневых процессов геодезическими методами. – 2-е изд. – М. : МГСУ, 2015. – 171 с. 14. ОДМ 218.5.015-2019 Методические рекомендации по измерению деформаций земляного полотна автомобильных дорог с применением принципов инклинометрии. – М. : Росавтодор, 2019. – 39 с. 15. Методика геодезического мониторинга технического состояния высотных и уникальных зданий и сооружений. МДС 13-22.2009 / ООО «ТЕКТОПЛАН». – М. : ОАО «ЦПП», 2010. – 76 с. 16. Шевченко Г. Г. Разработка технологии геодезического мониторинга зданий и сооружений способом свободного станционирования с использованием поискового метода нелинейного программирования : дисс. … канд. техн. наук. – СПб., 2020. – 212 с. 17. Гуляев Ю. П., Хорошилов В. С., Лисицкий Д. В. О корректном подходе к математическому моделированию деформационных процессов инженерных сооружений по геодезическим данным // Изв. вузов. Геодезия и аэрофотосъемка. – 2014. – № 4. – С. 22–30. 18. Поздышева О.Н. Прогнозирование деформаций строительных конструкций по результатам геодезических наблюдений // Международный научно-исследовательский журнал. – 2017. – № 2–2 (56). – С. 56–58. 19. Грищенкова Е. Н., Мустафин М. Г. Использование нейронной сети для уточнения прогнозируемых деформаций земной поверхности // Маркшейдерский вестник. – 2018. – № 1 (122). – С. 53–57. 20. Харченко Б. А. Анализ и прогнозирование деформаций сооружений по геодезическим данным на основе программного комплекса Mathcad-15 // Интерэкспо ГЕО-Сибирь-2015. XI Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 2 т. (Новосибирск, 13–25 апреля 2015 г.). – Новосибирск : СГУГиТ, 2015. Т. 1. – С. 21–27. 21. Горохова Е. И. Геомониторинг инженерных сооружений и прогнозирование их деформаций по данным лазерного сканирования // Вестник СГУГиТ. – 2016. – Вып. 2 (34). – С. 65–72. 22. Мурзинцев П. П., Павлов М. М., Репин А. С. Оcобенности геодезического обеспечения строительства автодороги и пространственного мониторинга на Бованенковском месторождении // Геодезия и картография. – 2016. – № 2. – С. 2–5. – DOI 10.22389/0016-7126-2016-908-2-2-5. 23. Новиков Ю. А., Краев А. Н. Геодезические наблюдения за осадками здания в рамках проведения геотехнического мониторинга // Вестник СГУГиТ. – 2019. – Т. 24, № 1. – С. 28–41. – DOI 10.33764/2411-1759-2019-24-1-28-41. 24. Воронина В. В., Михеев А. В., Ярушкина Н. Г., Святов К. В. Теория и практика машинного обучения : учеб. пособие. – Ульяновск : УлГТУ, 2017. – 290 с. 25. Садовникова Н. А., Шмойлова Р. А. Анализ временных рядов и прогнозирование : учебно-методический комплекс. – Вып. 3. – М. : Изд. центр ЕАОИ, 2009. – 264 с.