<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Матвей Никитенко-Валиахметов | ML4ESlab</title><link>https://ml4eslab.ru/author/%D0%BC%D0%B0%D1%82%D0%B2%D0%B5%D0%B8-%D0%BD%D0%B8%D0%BA%D0%B8%D1%82%D0%B5%D0%BD%D0%BA%D0%BE-%D0%B2%D0%B0%D0%BB%D0%B8%D0%B0%D1%85%D0%BC%D0%B5%D1%82%D0%BE%D0%B2/</link><atom:link href="https://ml4eslab.ru/author/%D0%BC%D0%B0%D1%82%D0%B2%D0%B5%D0%B8-%D0%BD%D0%B8%D0%BA%D0%B8%D1%82%D0%B5%D0%BD%D0%BA%D0%BE-%D0%B2%D0%B0%D0%BB%D0%B8%D0%B0%D1%85%D0%BC%D0%B5%D1%82%D0%BE%D0%B2/index.xml" rel="self" type="application/rss+xml"/><description>Матвей Никитенко-Валиахметов</description><generator>Hugo Blox Builder (https://hugoblox.com)</generator><language>ru-ru</language><lastBuildDate>Thu, 13 Aug 2026 13:30:00 +0000</lastBuildDate><image><url>https://ml4eslab.ru/media/icon_hu1624939848467171197.png</url><title>Матвей Никитенко-Валиахметов</title><link>https://ml4eslab.ru/author/%D0%BC%D0%B0%D1%82%D0%B2%D0%B5%D0%B8-%D0%BD%D0%B8%D0%BA%D0%B8%D1%82%D0%B5%D0%BD%D0%BA%D0%BE-%D0%B2%D0%B0%D0%BB%D0%B8%D0%B0%D1%85%D0%BC%D0%B5%D1%82%D0%BE%D0%B2/</link></image><item><title>Матвей Никитенко-Валиахметов: Методы кластеризации атмосферных вихрей в Баренцевом и Карском морях</title><link>https://ml4eslab.ru/ces-seminar/2026-08-13-ces-seminar/</link><pubDate>Thu, 13 Aug 2026 13:30:00 +0000</pubDate><guid>https://ml4eslab.ru/ces-seminar/2026-08-13-ces-seminar/</guid><description>&lt;p>На 60-м семинаре Центра наук о Земле МФТИ 13 августа 2026 года в 16:30 по московскому времени (13:30 UTC) выступил Матвей Никитенко-Валиахметов, студент кафедры океанологии СПбГУ. Научный руководитель работы — Белоненко Татьяна Васильевна, СПбГУ (Санкт-Петербург), научный консультант — Гавриков Александр Владимирович, ИО РАН (Москва). Доклад был посвящен предварительным результатам исследования «Методы кластеризации атмосферных вихрей в Баренцевом и Карском морях».&lt;/p>
&lt;p>Исходную выборку составили атмосферные вихри, вручную прослеженные в полях региональной модели WRF за часть 2019 года: в докладе речь шла примерно о 1700 траекториях за восемь с половиной месяцев при горизонтальном разрешении 6 км и часовом шаге. Для каждой траектории вычислялись термодинамические, кинематические и геометрические характеристики в момент зарождения и в момент максимального развития, определенный по критерию Rortex. Из первоначального набора были отобраны около 15 признаков, включая характеристики ветра, давления, температуры, влажности, осадков, вертикальных движений, завихренности, радиуса и перемещения вихря. Коррелированные пары сокращались по матрице линейной корреляции Пирсона с выбранным порогом 0,7; докладчик прямо отметил субъективность этого порога.&lt;/p>
&lt;p>Матвей рассмотрел принципы k-средних, иерархической кластеризации Уорда, гауссовых смесей и самоорганизующихся карт. Для текущего предварительного расчета использовался метод k-средних. Число кластеров оценивалось по инерции и нескольким метрикам качества и воспроизводимости с повторными подвыборками и сравнением с шумовыми данными. Подробно разбиралось решение с семью кластерами. Проекции t-SNE и UMAP помогали изучать взаимное расположение объектов, но рассматривались только как диагностические визуализации, а не как самостоятельное доказательство разделимости.&lt;/p>
&lt;p>В представленных расчетах некоторые физические характеристики кластеров были похожи для стадий зарождения и максимального развития. Траектории, сопоставленные по пространству и времени с двумя независимыми базами полярных мезоциклонов, концентрировались более чем в одном кластере. Это обсуждалось как возможный признак неоднородности таких вихрей и рабочая гипотеза для дальнейшего исследования, а не как установленная физическая классификация. Сопоставление также ограничено различиями между моделью, спутниковыми продуктами и независимыми каталогами, поэтому близость траекторий сама по себе не подтверждает идентичность случаев.&lt;/p>
&lt;p>Основная дискуссия была посвящена методологии. Участники предложили заранее выбрать единый критерий качества и применять его последовательно при сравнении алгоритмов и числа кластеров, проверить альтернативные методы и гиперпараметры, а также статистически оценить различимость групп. Отдельно подчеркивалось, что алгоритм оптимизирует собственную функцию качества и не гарантирует физически объективной типизации: экспертное знание может помогать интерпретации, но одновременно вносить смещение. Поэтому представленные семь кластеров, возможное разделение полярных мезоциклонов и сходство результатов на разных стадиях остаются предварительными наблюдениями, требующими проверки и физического обоснования.&lt;/p></description></item></channel></rss>