Анализ уровенного режима реки Таз для оптимизации эксплуатации водных путей
Аннотация
Актуальной задачей водного транспорта Арктической зоны является повышение безопасности и эффективности эксплуатации судоходных путей, что зависит от точности прогнозирования гидрологического режима. Целью исследования стал анализ уровенного режима для разработки методики прогнозирования максимальных уровней воды в замыкающем створе реки Таз (с. Красноселькуп), имеющей важное значение для навигации в этом регионе. В работе применен комплексный подход, включающий разведочный статистический анализ, оценку стационарности временного ряда, вероятностную оценку экстремальных уровней и сравнительный анализ эффективности различных прогнозных моделей. Исследование выполнено на основе 50-летнего ряда наблюдений (1976-2025 гг.). Результаты анализа показали стационарность ряда при отсутствии статистически значимого тренда. Сравнительная оценка классической модели ARIMA и ряда алгоритмов машинного обучения (линейная регрессия, случайный лес, градиентный бустинг, нейронная сеть) выявила преимущество модели ARIMA(0,1,1). Модель машинного обучения Random Forest показала наилучший результат среди ML-методов, но ее прогнозная сила (R² = -0.0098) оказалась неудовлетворительной. Практическая значимость работы заключается в том, что разработанная модель и рассчитанные уровни паводков различной повторяемости (например, 10-летний паводок – 1051.2 см) могут быть интегрированы в систему поддержки принятия решений для оптимизации планирования навигации, оценки рисков и проектирования гидротехнических сооружений на реке Таз. Результаты подтверждают целесообразность применения классических статистических методов для прогнозирования относительно коротких стационарных гидрологических рядов в условиях ограниченности данных.
Литература
Харлампьева, Н. К. Арктическая устьевая гидрология: история исследования / Н. К. Харлампьева, М. В. Третьяков, В. В. Иванов // География и краеведение в Якутии и регионах России: Материалы Всероссийской научно-практической конференции с международным участием, посвященной 85-летию со дня рождения Г.Н. Максимова, Якутск, 22–23 марта 2024 года. – Якутск: Издательский дом СВФУ, 2024. – С. 115-120. – EDN GUMXFY.
Ресурсы поверхностных вод СССР. Гидрологическая изученность, т. 15, вып. 3. Л., Гидрометеоиздат, 1964.
Волкова, Н. А. Анализ многолетних колебаний уровня воды реки Пур для обеспечения безопасности судоходства / Н. А. Волкова // Природные и техногенные риски (физико-математические и прикладные аспекты). – 2025. – № 2(54). – С. 6-22. – DOI 10.61260/2307-7476-2025-2-6-22.
Волкова, Н.А. Комплексный подход к снижению аварийности на внутренних водных путях арктического региона России / Н. А. Волкова // Известия Петербургского университета путей сообщения. – 2025. – Т. 22, № 3. – С. 761-775. – DOI 10.20295/1815-588X-2025-3-761-775.
Волкова, Н.А. Методика долгосрочного прогнозирования максимальных уровней воды реки Таз / Н.А. Волкова, К.В. Ромашова // Техносферная безопасность в Арктике : Сборник материалов в рамках VIII Международной научно-практической конференции, Санкт-Петербург, 21 марта 2025 года. – Санкт-Петербург: Санкт-Петербургский университет государственной противопожарной службы МЧС России им. Героя Российской Федерации генерала армии Е.Н. Зиничева, 2025. – С. 223-226. – EDN RFVHDX.
Tariq S. et al. Deep quantum-transformer networks for multimodal beam prediction in isac systems //IEEE Internet of Things Journal. – 2024. – Т. 11. – №. 18. – С. 29387-29401.
Lin H. et al. Diformer: A difference transformer network for remote sensing change detection //IEEE Geoscience and Remote Sensing Letters. – 2024. – Т. 21. – С. 1-5.
Никитин С.Д., Мамонтов А.И. О сжатии нейросетей с архитектурой «Трансформер» //Измерение, контроль, информатизация: материалы XХVI Между-народной научно-технической конференции (23 мая 2025 г., г. Барнаул)/Под ред. ЛИ Сучковой.–Барнаул: Изд-во АлтГТУ, 2025.–216 c.–URL: https://journal. altstu. ru/konf_2025/2025_1/143/.–Текст: электронный. – 2025. – С. 12.
Клюковкин Г.К. Нейронные сети против классических ML-моделей: в каких случаях стоит усложнять архитектуру //Актуальные исследования. – 2024. – №. 37 (219).
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998–6008.,
Fabiano N. et al. How to optimize the systematic review process using AI tools //JCPP advances. – 2024. – Т. 4. – №. 2. – С. e12234.
Гидрологический ежегодник, т. 6, вып. 0-9. Л., Гидрометеоиздат, 1936-2012.
Автоматизированная информационная система государственного мониторинга водных объектов [Электронный ресурс]: Режим доступа: https://gmvo.skniivh.ru (дата обращения 01.09.2025)
Copyright (c) 2026 Научные проблемы водного транспорта

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.





