Аннотация результатов, полученных в 2018 году
1. Получены оценки для математического ожидания наблюдений в предположении зашумления конечными смесями нормальных и гамма-распределений. Построены доверительные интервалы для неизвестного математического ожидания в этих случаях с использованием уточненной оценки для дисперсии. Полученные соотношения зависят только от величины математических ожиданий и дисперсий компонент параметров смеси, но не от числа компонент и весов в распределении зашумляющих наблюдений. Обсуждается подход, который может быть использован для определения неизвестного параметра, искусственно добавляемого к исходным данным шума для улучшения качества работы метода скользящего разделения смесей. Результаты опубликованы в статье «Зашумление данных конечными смесями нормальных и гамма-распределений с применением к задаче округления наблюдений» (автор – Горшенин А.К.; «Информатика и ее применения», 2018. Т. 12. Вып. 3. C. 28–34; Scopus, РИНЦ). 2. Проведен статистический анализ ансамблей физических экспериментальных данных на основе конечных нормальных смесей, а также разработан программный инструмент на языке MATLAB, с помощью которого выполнена упомянутая обработка наблюдений. Это позволило сделать ряд важных выводов о функционировании процессов в турбулентной плазме. Результаты опубликованы в статье «Evolution of statistical properties of microturbulence during transient process under electron cyclotron resonance heating of the L-2M stellarator plasma» (авторы – Batanov G.M., Borzosekov V.D., Gorshenin A.K., Kharchev N.K., Korolev V.Yu., Sarksyan K.A.; «Plasma Physics and Controlled Fusion», 2019; Q1 Web of Science, Scopus). Также получено свидетельство о государственной регистрации программы для ЭВМ № 2019615238 от 22.04.2019 «Программа анализа статистических свойств микротурбулентности в переходном процессе при электронно-циклотронном резонансном нагреве плазмы» (автор – Горшенин А.К.). 3. Определены нефинансовые барьеры для развития молодежи в сфере науки и образования в соответствии с направлениями Стратегии научно-технологического развития Российской Федерации (СНТР). Представлена концептуальная схема соответствия между направлениями СНТР и сервисами научной цифровой платформы. Предложена концепция развития научно-образовательных цифровых платформ на базе центров превосходства. Результаты опубликованы в статье «Развитие сервисов цифровых платформ для преодоления нефинансовых барьеров» (автор – Горшенин А.К.; «Информатика и ее применения», 2018. Т. 12. Вып. 4. C. 109–115; Scopus, РИНЦ).

Аннотация результатов, полученных в 2019 году
1. Апробирована методология использования гибридных подходов (повышения точности решения задачи регрессии за счет использования результатов классификации) для решения задачи заполнения пропущенных значений в пространственно-временных данных на примере климатических наблюдений с помощью различных алгоритмов машинного обучения. Для тестирования были использованы данные порядка 100 метеостанций, расположенных на различных континентах. Продемонстрирована высокая эффективность использования в качестве алгоритма классификации метода опорных векторов, а в качестве алгоритма регрессии – экстремального градиентного бустинга. Также в ряде ситуаций возможно незначительное повышение точности второго этапа за счет использования случайных лесов и EM-алгоритма. Полученные результаты позволяют использовать статистические методы определения аномальности наблюдений, а также рассчитывать на сохранение эффективности применения развитых методов при анализе других данных, непосредственно не связанных с осадками и метеорологией. Результаты публикованы в статьях «On handling the missing values in precipitation records using machine learning algorithms» (авторы Gorshenin A., Lebedeva M., Lukina S., Yakovleva A.; Материалы XXII Международной научной конференции DCCN-2019. – М.: РУДН, 2019. – С. 258–265; РИНЦ), «Application of machine learning algorithms to handle missing values in precipitation data» (авторы – Gorshenin A., Lebedeva M., Lukina S., Yakovleva A.; «Lecture Notes in Computer Science», 2019. Vol. 11965. P. 563–577; Web of Science Core Collection, Q2 Scopus) и «Гибридные модели экстремального градиентного бустинга для восстановления пропущенных значений в данных об осадках» (авторы – Горшенин А.К., Мартынов О.П.; «Информатика и ее применения», 2019. Т. 13. Вып. 3. C. 34–40; Q3 Scopus, РИНЦ). 2. Разработаны процедуры статистического определения аномальных значений в данных на основе предположения о том, что наблюдения (интенсивности осадков) имеют обобщенное гамма-распределение. Решение для каждого наблюдения принимается на основе процедуры проверки статистических гипотез в режиме скользящего окна. При этом продемонстрировано, что используемая статистика при справедливости нулевой гипотезы – наблюдение не является аномальным – имеет классическое распределение Снедекора-Фишера. Необходимо отметить, что подобные модели ранее для исследования интенсивностей не применялись. Кроме того, развит подход классической теории экстремальных значений Peaks over Threshold (PoT) на основе расширения теоремы Реньи на случай обобщенного отрицательного биномиального распределения. Он относит к аномальным большее число наблюдений, однако является в достаточной степени универсальным, и может быть успешно применен для анализа произвольных наблюдений. Результаты публикованы в статье «Probability models and statistical tests for extreme precipitation based on generalized negative binomial distributions» (авторы – Korolev V.Yu., Gorshenin A.K.; «Mathematics», 2020. Vol. 8. Iss. 4. Art. No. 604 (30 p.); Q1 Web of Science Core Collection, Scopus). 3. Все разработанные алгоритмы реализованы программно и успешно протестированы на гибридном высокопроизводительном вычислительном кластере, входящем в состав ЦКП «Высокопроизводительные вычисления и большие данные» ФИЦ ИУ РАН.