ИСТИНА

Исследована возможность использования методов машинного обучения (классификатор типа «случайный лес» и нейросетевые модели) для автоматизации выявления токсического действия тяжелых металлов по флуоресцентным данным. В качестве входных данных для классификаторов использовали (после соответствующей нормализации) как непосредственно получаемые с измерительных приборов отсчёты индукционных кривых, так и рассчитываемые по ним параметры JIP-теста. Показано, что для всех типов исследованных классификаторов наилучшую общую точность (88–90%) удалось получить для проб природного фитопланктона; для проростков гороха общая точность составила 67% для меди Сu2+ и 78% для кадмия Сd2+. Точность определения контрольных проб без токсиканта оказалась ниже, чем для проб с токсикантом. Исходя из полученных результатов, представляется перспективным создание автоматических станций для непрерывного наблюдения за функциональным состоянием природного фитопланктона по данным индукции флуоресценции хлорофилла a.