Машинное обучение повышает точность картирования оползневых рисков Исследователи оценили возможности алгоритма Random Forest для прогнозирования оползневой опасности с учётом характеристик рельефа, геологии и прочности грунтов. По данным исследования, модель достигла показателя ROC-AUC 0,99. Это демонстрирует потенциал машинного обучения для выделения территорий повышенного риска. Однако для оценки конкретных склонов такие карты должны дополняться инженерно-геологическими изысканиями. 🔗 Ссылка
Дистанционное зондирование и геоинформатика
Subscribers
1.9K
+0 24h
Reach per post (ERR)
6.4%118 avg views
Posting
16.8/day
last 5 hours ago
Reactions per 1K views
3.4
❤ 🤡 🔥
Views over time
| When | Views |
|---|---|
| 21 Oct 2026, 06:22 | 0 |
| 12 Nov 2026, 03:41 | 128 |
Who shared this post
Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)
Nobody yet.