In this study the relationships among the land use and soil types in the entire river basin as well as in the buffer strip on the one hand, and the Lithuanian river water quality physico-chemical parameters on the other hand have been identified. The spatially based Factor analysis has been tested on river hydrochemical data from 108 sites for the period of 1999-2004. The Factor analysis enabled the identification of the main natural and anthropogenic processes (factors) determining water quality during each season of a year. As a result, monitoring stations were grouped into clusters each representing a group of stations mostly affected by a relevant factor. In addition, the suitability of world-wide used diatom-based water status assessment methods to apply under Lithuanian conditions has been assessed. The results of established water quality determining factors and the tested multivariate statistical procedures can be applied in practice when the reasons for water quality impairments are to be investigated or river monitoring network is to be optimized. The results reveal that Wastewater factor is prominent in small rivers downstream larger towns; Agro-geological factor – in northern Lithuania‘s rivers of heavy carbonated soils and intensive agriculture lands as well as in south-eastern Lithuania‘s rivers of more acidic soils; Hardly degradable organics factor – in northern and middle Lithuania‘s rivers of heavy-textured and fertile agricultural soils. The... [to full text] / Pastaruoju metu tiek Lietuvoje, tiek ir visoje Europos Sąjungoje labai aktualu tinkamai įvertinti vandens telkinių būklę (ypač pagal biologinius kokybės elementus), nustatyti vandens telkinių būklės problemas, jas lemiančius veiksnius bei imtis adekvačių būklės gerinimo priemonių, nes to reikalauja 2000 m. įsigaliojusi ES Bendroji vandens politikos direktyva – pagrindinis vandens sritį reguliuojantis teisinis dokumentas. Šio darbo tikslas - nustatyti žemėnaudos, dirvožemių ir upių vandens fizikinių, cheminių ir biologinių parametrų sąveikos dėsningumus vertinant vandens būklę. Įgyvendinant šį tikslą buvo siekiama sistemiškai įvertinti įvairių veiksnių poveikį Lietuvos upių vandens būklei ir nustatyti jų teritorinius dėsningumus bei įvertinti upių vandens būklės pagal titnagdumblius vertinimo metodų tinkamumą Lietuvos sąlygomis. Šiam tikslui pasiekti naudoti Lietuvos upių valstybinio monitoringo, dirvožemio ir žemės dangos duomenys pasitelkiant faktorinę analizę bei atitinkamus vienmatės statistikos metodus. Rezultatai parodė, kad upių būklę lemiančias priežastis galima patikimai pažinti, kartu vertinant hidrocheminius ir baseinų fizinių charakteristikų, dirvožemių ir žemėnaudos duomenis, jų kompleksiškai tarpusavio ryšių analizei pasitelkus tinkamus daugiamatės ir vienmatės statistikos metodus. Tokia analizė leidžia pažinti ne tik atskirus vandens ekosistemos komponentus, bet ir jų visumą kaip vieną sąveikaujančią sistemą ir priimti kokybiškesnius vandens kokybės valdymo... [toliau žr. visą tekstą]

Often there is a need to establish and understand the structure of multidimensional data: their clusters, outliers, similarity and dissimilarity. One of solution ways is a dimensionality reduction and visualization of the data. If a huge datasets is analyzed, it is purposeful to reduce the number of the data items before visualization. The area of research is reduction of the number of the data analyzed and mapping the data in a plane. In the dissertation, vector quantization methods, based on artificial neural networks, and visualization methods, based on a dimensionality reduction, have been investigated. The consecutive and integrated combinations of neural gas and multidimensional scaling have been proposed here as an alternative to combinations of self-organizing maps and multidimensional scaling. The visualization quality is estimated by König’s topology preservation measure, Spearman’s rho and MDS error. The measures allow us to evaluate the similarity preservation quantitatively after a transformation of multidimensional data into a lower dimension space. The ways of selecting the initial values of two-dimensional vectors in the consecutive combination and the first training block of the integrated combination have been proposed and the ways of assigning the initial values of two-dimensional vectors in all the training blocks, except the first one, of the integrated combination have been developed. The dependence of the quantization error on the values of training... [to full text] / Dažnai iškyla būtinybė nustatyti ir giliau pažinti daugiamačių duomenų struktūrą: susidariusius klasterius, itin išsiskiriančius objektus, objektų tarpusavio panašumą ir skirtingumą. Vienas iš sprendimų būdų – duomenų dimensijos mažinimas ir jų vizualizavimas. Kai analizuojamos didelės duomenų aibės, tikslinga prieš vizualizavimą sumažinti ne tik dimensiją, bet ir duomenų skaičių. Šio darbo tyrimų sritis yra daugiamačių duomenų skaičiaus mažinimas ir duomenų atvaizdavimas plokštumoje. Disertacijoje nagrinėjami dirbtiniais neuroniniais tinklais grindžiami vektorių kvantavimo ir dimensijos mažinimu pagrįsti vizualizavimo metodai. Kaip alternatyva saviorganizuojančių neuroninių tinklų ir daugiamačių skalių junginiams, darbe pasiūlyti nuoseklus neuroninių dujų ir daugiamačių skalių junginys bei integruotas, atsižvelgiantis į neuroninių dujų metodo mokymosi eigą ir leidžiantis gauti tikslesnę daugiamačių vektorių projekciją plokštumoje. Junginiais gautų vaizdų kokybės vertinimui pasirinkti Konigo matas, Spirmano koeficientas bei MDS paklaida. Šie matai leidžia kiekybiškai įvertinti panašumų išlaikymą po daugiamačių duomenų transformavimo į mažesnės dimensijos erdvę. Taip pat pasiūlyti dvimačių vektorių pradinių koordinačių parinkimo būdai nuosekliame junginyje ir integruoto junginio pirmame mokymo bloke bei koordinačių reikšmių priskyrimo būdai integruoto junginio kituose mokymo blokuose. Eksperimentiškai nustatyta kvantavimo paklaidos priklausomybė nuo neuroninių dujų tinklo... [toliau žr. visą tekstą]

Dažnai iškyla būtinybė nustatyti ir giliau pažinti daugiamačių duomenų struktūrą: susidariusius klasterius, itin išsiskiriančius objektus, objektų tarpusavio panašumą ir skirtingumą. Vienas iš sprendimų būdų – duomenų dimensijos mažinimas ir jų vizualizavimas. Kai analizuojamos didelės duomenų aibės, tikslinga prieš vizualizavimą sumažinti ne tik dimensiją, bet ir duomenų skaičių. Šio darbo tyrimų sritis yra daugiamačių duomenų skaičiaus mažinimas ir duomenų atvaizdavimas plokštumoje. Disertacijoje nagrinėjami dirbtiniais neuroniniais tinklais grindžiami vektorių kvantavimo ir dimensijos mažinimu pagrįsti vizualizavimo metodai. Kaip alternatyva saviorganizuojančių neuroninių tinklų ir daugiamačių skalių junginiams, darbe pasiūlyti nuoseklus neuroninių dujų ir daugiamačių skalių junginys bei integruotas, atsižvelgiantis į neuroninių dujų metodo mokymosi eigą ir leidžiantis gauti tikslesnę daugiamačių vektorių projekciją plokštumoje. Junginiais gautų vaizdų kokybės vertinimui pasirinkti Konigo matas, Spirmano koeficientas bei MDS paklaida. Šie matai leidžia kiekybiškai įvertinti panašumų išlaikymą po daugiamačių duomenų transformavimo į mažesnės dimensijos erdvę. Taip pat pasiūlyti dvimačių vektorių pradinių koordinačių parinkimo būdai nuosekliame junginyje ir integruoto junginio pirmame mokymo bloke bei koordinačių reikšmių priskyrimo būdai integruoto junginio kituose mokymo blokuose. Eksperimentiškai nustatyta kvantavimo paklaidos priklausomybė nuo neuroninių dujų tinklo... [toliau žr. visą tekstą] / Often there is a need to establish and understand the structure of multidimensional data: their clusters, outliers, similarity and dissimilarity. One of solution ways is a dimensionality reduction and visualization of the data. If a huge datasets is analyzed, it is purposeful to reduce the number of the data items before visualization. The area of research is reduction of the number of the data analyzed and mapping the data in a plane. In the dissertation, vector quantization methods, based on artificial neural networks, and visualization methods, based on a dimensionality reduction, have been investigated. The consecutive and integrated combinations of neural gas and multidimensional scaling have been proposed here as an alternative to combinations of self-organizing maps and multidimensional scaling. The visualization quality is estimated by König’s topology preservation measure, Spearman’s rho and MDS error. The measures allow us to evaluate the similarity preservation quantitatively after a transformation of multidimensional data into a lower dimension space. The ways of selecting the initial values of two-dimensional vectors in the consecutive combination and the first training block of the integrated combination have been proposed and the ways of assigning the initial values of two-dimensional vectors in all the training blocks, except the first one, of the integrated combination have been developed. The dependence of the quantization error on the values of training... [to full text]