Оценка эффективности реализации мероприятий по обеспечению гигиенической безопасности в системе хозяйственно-питьевого водоснабжения с использованием искусственной нейронной сети

Здравствуйте, уважаемый Марат Решидович!
Прежде всего, выражаем слова благодарности за проявленный интерес к нашему исследованию.
Несколько комментариев по Вашим вопросам.
1. Значения риска на выходе из нейросети получены из выходных нейронов. Это расчётная величина, расположенная в интервале от 0 до 1, определяемая по совокупности факторов, их значимости и факта их реальных сочетаний в промежуточных слоях нейросети. 1 (единице) соответствует максимальная опасность, т.е. сочетание всех наиболее значимых неблагоприятных факторов. В контексте изложенного, это не наблюдаемое, а расчётное значение, определяющее приоритет для целенаправленной реализации мероприятий по обеспечению гигиенической безопасности хозяйственно-питьевого водоснабжения.
Практически любая модель искусственной нейронной сети требует обучения, т.е. должен быть исходный алгоритм, который на основе обработки и анализа входной информации, весовых коэффициентов, сочетаний показателей определяет, что лучше или хуже, опасно или неопасно. Практически реализовать нейросетевую модель, если неизвестен алгоритм принятия решения её нейронными слоями, невозможно. Можно только теоретически её построить.
2. Весовые коэффициенты используются при алгебраическом расчёте риска, но, поскольку, сочетание факторов может быть разным, а на выходе из любого промежуточного нейрона должен быть сигнал 0 или 1, сами весовые коэффициенты перед численной характеристикой фактора динамически меняются в зависимости от количества факторов, поступивших для анализа на промежуточный слой, и их величин.
3. Эффективность мероприятий оценивается по снижению риска и уменьшению площади наиболее неблагополучной территории, относящейся к рангу «высокого риска».
Да, построенную нейросеть можно использовать для прогнозирования ситуации на последующие годы, но, при этом, нужно знать, задать или предположить, какие будут исходные показатели в последующий период. Например, в результате проведения мероприятий ожидается снижение концентраций в питьевой воде нитратов в таких-то водоисточниках (точках) на такую-то величину. Задаем указанные исходные показатели и считаем прогнозный риск, характеризующий изменение территориальной ситуации.
4. Плавное изменение риска в виде изолиний, соответствующих одному из 5 уровней, на картах визуализировалось таким образом ввиду того, что при оценке качества питьевой воды использованы показатели не по 33-м административным территориям (не по административным границам), а по 553 контрольным точкам отбора проб воды (11 приоритетных показателей 2-го блока «Качество воды», входные нейроны Х7-Х17); на каждой административной территории число точек варьировало от 8 до 33-х. Кроме того, к точкам была привязка случаев метгемоглобинемии. Поэтому на одной территории наблюдаются участки с разным уровнем риска.
5. Кластеризация, как известно, это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и, затем, упорядочивающая объекты в сравнительно однородные группы. В итоге расчёта с использованием нейросети, по совокупности факторов и их сочетаний, мы объединили риски в сравнительно однородные группы (низкий, ниже среднего, средний, выше среднего, высокий). Возможно, этот термин в описательной части нашей нейросети не совсем корректно применён, но под определение, по нашему мнению, подходит. Отдельный кластерный анализ в данном исследовании не выполнялся.

Глубокоуважаемый Марат Решидович, Вы удовлетворены ответами или есть еще вопросы?