Logo

Описание инструментов геообработки

В Геофизическом центре РАН в рамках дискретного математического анализа (ДМА) разработан ряд алгоритмов кластеризации, которые реализуют выявление тонких свойств распределения объектов в исходном пространстве. К их числу относятся и решения, предназначенные для выделения зон с высокой концентрацией точек. Алгоритмы кластеризации «Discrete Perfect Sets» (DPS), модифицированный «DPS», «Монолитность» и «Роден-2» являются методами выделения плотных областей на множестве точечных объектов.

Алгоритм – DPS (Discrete Perfect Sets)

Настраиваемые параметры:

  • ω – параметр, влияющий на определение радиуса близости;
  • β – параметр, задающий уровень плотности, необходимый для включения точки в кластер.

Особенности: определяет плотность точки как количество соседей в пределах определённого радиуса близости. Ищет группы точек, где плотность выше заданного порога. Хорошо находит локальные, чётко выраженные кластеры.

Алгоритм – Модифицированный DPS

Настраиваемые параметры:

  • ω – параметр, влияющий на определение радиуса близости;
  • β – параметр, задающий уровень плотности, необходимый для включения точки в кластер.

Особенности: отличается от обычного DPS способом расчёта плотности – вместо простого счёта соседей используется взвешенное среднее расстояние от точки до остальных. Менее чувствителен к выбросам и шумам. Более сглаженные кластеры, устойчивые к случайным данным.

Алгоритм – Роден-2

Настраиваемые параметры:

  • P – параметр, влияющий на то, как учитывается расстояние между точками (параметр расчета близости);
  • α – параметр, задающий порог плотности для включения точки в кластер.

Особенности: использует среднее Колмогорова и метод нечётких сравнений для оценки «близости» точек. Учитывает не только количество соседей, но и их взаимное расположение. Лучше справляется с выделением сложных форм кластеров – например, вытянутых линий или кольцевых структур.

Алгоритм – Монолит

Настраиваемые параметры:

  • α – уровень плотности, при котором точки считаются принадлежащими плотной области.

Особенности: плотность вычисляется с учётом расстояний до соседей в нескольких зонах (кольцах) с разным весом. Помогает находить локальные области с наибольшей плотностью. Удобен для выделения «ядра» плотных зон, не захватывая разреженные периферийные точки.

Все алгоритмы применяются только к точечным данным. Результат работы алгоритмов автоматически добавляется на карту. Пользователь имеет возможность просмотреть и сохранить полученный результат.

Основная литература

Лисенков И.А., Соловьев А.А., Кузнецов В.А., Николова Ю.И. Обобщенный массив геолого-геофизической информации восточного сектора российской Арктики для проведения анализа методами машинного обучения // Геология и геофизика. 2025. Т. 66. № 2. С. 232–246. DOI: 10.15372/GiG2024148

Agayan S.M., Bogoutdinov Sh.R., Dzeboev B.A., Dzeranov B.V., Kamaev D.A., Osipov M.O. DPS clustering: new results // Applied Sciences. 2022. Vol. 12. No. 18. P. 1–16. DOI: 10.3390/app12189335

Гвишиани А.Д., Дзебоев Б.А., Агаян С.М., Белов И.О., Николова Ю.И. Нечеткие множества высокосейсмичных пересечений морфоструктурных линеаментов на Кавказе и в регионе Алтай–Саяны–Прибайкалье // Вулканология и сейсмология. 2021. № 2. С. 3-10. DOI: 10.31857/S0203030621020036

Горшков А.И., Соловьев А.А., Жарких Ю.И. Распознавание мест возможного возникновения сильных землетрясений в регионе Алтай–Саяны–Прибайкалье // Доклады Академии наук. 2018. Т. 479. № 3. С. 333–335. DOI: 10.7868/S0869565218090219

Соловьев А.А., Красноперов Р.И., Николов Б.П., Жарких Ю.И., Агаян С.М. Веб-ориентированный программный комплекс для анализа пространственных геофизических данных методами геоинформатики // Исследование Земли из космоса. 2018. № 2. С. 65–76. DOI: 10.7868/S0205961418020070

Соловьев Ан.А., Соловьев Ал.А., Гвишиани А.Д., Николова Ю.И., Николов Б.П. ГИС-ориентированная база данных по оценке сейсмической опасности для регионов Кавказа и Крыма // Исследование Земли из космоса. 2018. № 5. С. 52–64. DOI: 10.31857/S020596140003241-6

Agayan S.M., Bogoutdinov Sh.R., Krasnoperov R.I. Short introduction into DMA // Russian Journal of Earth Sciences. 2018. Vol. 18. No. 2. P. 1–10. DOI: 10.2205/2018ES000618

Soloviev A.A., Zharkikh J.I., Krasnoperov R.I., Nikolov B.P., Agayan S.M. GIS-oriented solutions for advanced clustering analysis of geoscience data using ArcGIS platform // Russian Journal of Earth Sciences. 2016. Vol. 16. No. 6. P. 1–6. DOI: 10.2205/2016ES000587

Nikolov B.P. Zharkikh J.I., Soloviev A.A., Krasnoperov R.I., Agayan S.M. Integration of data mining methods for Earth science data analysis in GIS environment // Russian Journal of Earth Sciences. 2015. Vol. 15. No. 4. P. 1–14. DOI: 10.2205/2015ES000559

Гвишиани А.Д., Дзебоев Б.А., Агаян, С.М. О новом подходе к распознаванию мест возможного возникновения сильных землетрясений на Кавказе // Физика земли. 2013. № 6. С. 3–19. DOI: 10.7868/S0002333713060045

Гвишиани А.Д., Агаян С.М., Богоутдинов Ш.Р., Соловьев А.А. Дискретный математический анализ и геолого-геофизические приложения // Вестник КРАУНЦ. Науки о Земле. 2010. № 2. Вып. 16. С. 109–125. EDN: NBYPMJ

Агаян С.М., Соловьев А.А. Выделение плотных областей в метрических пространствах на основе кристаллизации // System Research and Information Technologies. 2004. № 2. С. 7–23. EDN: RZYRGP