Анализ эффективности применения методов машинного обучения для решения задачи литоклассификации: работа с несбалансированными данными

Standard

Анализ эффективности применения методов машинного обучения для решения задачи литоклассификации: работа с несбалансированными данными. / Смирнова, Виктория Олеговна ; Корчуганов, Владислав Дмитриевич.

в: Геофизика, № 1, 18.03.2026, стр. 81-88.

Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование

BibTeX

@article{18eb75c0b12a4930afc2cd524e36c35d,

title = "Анализ эффективности применения методов машинного обучения для решения задачи литоклассификации: работа с несбалансированными данными",

abstract = "Рассматривается применение методов машинного обучения для решения задачи литоклассификации по результатам синхронной инверсии в условиях выраженной несбалансированности классов «коллектор/неколлектор». Предложен технологический граф подготовки данных, включающий обработку выбросов, детрендинг, нормирование, приведение признаков к сейсмическому масштабу и предварительную балансировку классов на основе связей Томека, случайного прореживания, SMOTE и их комбинаций. В качестве базового алгоритма классификации выбрана модель Random Forest, показавшая при тестировании устойчивость к переобучению и наилучшие метрики по сравнению с другими методами. В ходе исследования на реальных данных рассматривается эффективность внедрения дополнительной процедуры предварительной балансировки для получения более уверенной прогнозной основы. Подход продемонстрировал практическую применимость и может быть использован в качестве инструмента для повышения надежности геолого-разведочных работ.",

keywords = "ЛИТОКЛАССИФИКАЦИЯ, СИНХРОННАЯ ИНВЕРСИЯ, НЕСБАЛАНСИРОВАННЫЕ ДАННЫЕ, СВЯЗИ ТОМЕКА, СЛУЧАЙНЫЙ ЛЕС, МАШИННОЕ ОБУЧЕНИЕ",

author = "Смирнова, {Виктория Олеговна} and Корчуганов, {Владислав Дмитриевич}",

year = "2026",

month = mar,

day = "18",

doi = "10.34926/geo.2026.47.93.012",

language = "русский",

pages = "81--88",

journal = "Геофизика",

issn = "1681-4568",

publisher = "Московское городское региональное отделение Межрегиональной общественной организации Евро-Азиатское геофизическое общество",

number = "1",

}

RIS

TY - JOUR

T1 - Анализ эффективности применения методов машинного обучения для решения задачи литоклассификации: работа с несбалансированными данными

AU - Смирнова, Виктория Олеговна

AU - Корчуганов, Владислав Дмитриевич

PY - 2026/3/18

Y1 - 2026/3/18

N2 - Рассматривается применение методов машинного обучения для решения задачи литоклассификации по результатам синхронной инверсии в условиях выраженной несбалансированности классов «коллектор/неколлектор». Предложен технологический граф подготовки данных, включающий обработку выбросов, детрендинг, нормирование, приведение признаков к сейсмическому масштабу и предварительную балансировку классов на основе связей Томека, случайного прореживания, SMOTE и их комбинаций. В качестве базового алгоритма классификации выбрана модель Random Forest, показавшая при тестировании устойчивость к переобучению и наилучшие метрики по сравнению с другими методами. В ходе исследования на реальных данных рассматривается эффективность внедрения дополнительной процедуры предварительной балансировки для получения более уверенной прогнозной основы. Подход продемонстрировал практическую применимость и может быть использован в качестве инструмента для повышения надежности геолого-разведочных работ.

AB - Рассматривается применение методов машинного обучения для решения задачи литоклассификации по результатам синхронной инверсии в условиях выраженной несбалансированности классов «коллектор/неколлектор». Предложен технологический граф подготовки данных, включающий обработку выбросов, детрендинг, нормирование, приведение признаков к сейсмическому масштабу и предварительную балансировку классов на основе связей Томека, случайного прореживания, SMOTE и их комбинаций. В качестве базового алгоритма классификации выбрана модель Random Forest, показавшая при тестировании устойчивость к переобучению и наилучшие метрики по сравнению с другими методами. В ходе исследования на реальных данных рассматривается эффективность внедрения дополнительной процедуры предварительной балансировки для получения более уверенной прогнозной основы. Подход продемонстрировал практическую применимость и может быть использован в качестве инструмента для повышения надежности геолого-разведочных работ.

KW - ЛИТОКЛАССИФИКАЦИЯ

KW - СИНХРОННАЯ ИНВЕРСИЯ

KW - НЕСБАЛАНСИРОВАННЫЕ ДАННЫЕ

KW - СВЯЗИ ТОМЕКА

KW - СЛУЧАЙНЫЙ ЛЕС

KW - МАШИННОЕ ОБУЧЕНИЕ

U2 - 10.34926/geo.2026.47.93.012

DO - 10.34926/geo.2026.47.93.012

M3 - статья

SP - 81

EP - 88

JO - Геофизика

JF - Геофизика

SN - 1681-4568

IS - 1

ER -

ID: 75627906