Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

- результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=Теория и методы изучения и охраны окружающей среды -- Белая, река -- Башкортостан -- Россия<.>)

Общее количество найденных документов : 2
Показаны документы с 1 по 2

Оценка геоэкологического риска истощения пойменно-руслового комплекса с применением методов геоинформационного моделирования [Текст] / Н. Н. Красногорская [и др.] // Безопасность жизнедеятельности. - 2014. - № 11. - С. 3-7 : рис., табл. - Библиогр.: с. 7 (10 назв.) . - ISSN 1684-6435

УДК

^a502/504

ББК 20.1 + 20.18
Рубрики: Экология--Белая, река--Башкортостан--Россия
Теория и методы изучения и охраны окружающей среды--Белая, река--Башкортостан--Россия
Экологическая безопасность--Белая, река--Башкортостан--Россия
Кл.слова (ненормированные):
геоинформационные системы -- истощение пойм -- оценка геоэкологического риска -- пойменно-русловой комплекс -- пойменные леса -- растительность пойм
Аннотация: Предложена методика комплексной оценки геоэкологического риска пойменно-руслового комплекса, включающая в себя оценку риска истощения пойм по видовому составу растительности и риска истощения пойм по эколого-гидрологическому состоянию. Методика апробирована для пойменно-руслового комплекса реки Белая и ее притоков. При оценке риска по видовому составу разработаны геоинформационные карты растительности и лесистости пойм реки Белая. Показателем устойчивости поймы к риску истощения выбрана степень залесенности пойменных территорий. Расчет риска истощения пойм по эколого-гидрологическому состоянию производился с учетом: площади пойменных областей, данных о водосборе подземных и поверхностных вод, "запечатанности" территорий, среднемноголетних расходов годового стока. По результатам комплексной оценки геоэкологического риска истощения пойменно-руслового комплекса выявлены наиболее уязвимые участки. Пойма реки Ашкадар была классифицирована как подверженная риску деградации.

Доп.точки доступа:
Красногорская, Н. Н. (доктор технических наук; профессор); Нафикова, Э. В. (кандидат географических наук; доцент); Белозерова, Е. А. (аспирант); Дубовик, И. Е. (доктор биологических наук; профессор); Шарипова, М. Ю. (доктор биологических наук; доцент)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Красногорская, Н. Н. (доктор технических наук; профессор).
Восстановление пропущенных геоэкологических данных с помощью элементов искусственного интеллекта (на примере характеристик водосборного бассейна реки Белая) [Текст] / Н. Н. Красногорская, Э. В. Нафикова, Е. А. Белозерова // Безопасность жизнедеятельности. - 2014. - № 11. - С. 54-59 : рис., табл. - Библиогр.: с. 58-59 (15 назв.) . - ISSN 1684-6435

УДК

^a004

^a502/504

ББК 32.97 + 20.1
Рубрики: Вычислительная техника--Белая, река--Башкортостан--Россия
   Вычислительная техника в целом--Белая, река--Башкортостан--Россия
   Экология--Белая, река--Башкортостан--Россия
   Теория и методы изучения и охраны окружающей среды--Белая, река--Башкортостан--Россия
Кл.слова (ненормированные):
восстановление пропущенных данных -- генетические алгоритмы -- геоэкологические параметры -- искусственные нейронные сети -- обучение -- отбор входных параметров
Аннотация: Рассмотрена возможность использования элементов искусственного интеллекта (искусственных нейронных сетей и генетических алгоритмов) для восстановления пропущенных геоэкологических данных. Предложены методы восстановления пропущенных геоэкологических данных при наличии и отсутствии данных наблюдений пунктов-аналогов. Построено и обучено 5000 искусственных нейронных сетей трех архитектур: многослойный персептрон (MLP), радиально-базисные функции (RBF), обобщенно-регрессионные сети (GRNN). Установлено, что наилучшей для восстановления пропусков в рядах гидрологических, метеорологических и астрономических данных является сеть GRNN, а для восстановления гидрохимических данных - сети GRNN и RBF. Нейросетевые модели восстановления астрономических, метеорологических, гидрологических и гидрохимических показателей апробированы на примере реки Белая.

Доп.точки доступа:
Нафикова, Э. В. (кандидат географических наук; доцент); Белозерова, С. А. (аспирант)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)