Abstract
В связи с высокой частотой и опасностью схода лавин в Восточном Казахстане использование современных технологий для анализа метеорологических данных стало критически важным. Данное исследование фокусируется на применении алгоритмов неконтролируемого машинного об-учения, а именно K-means и K-medoids, для обнаружения скрытых закономер-ностей в погодных условиях, предшествующих лавинным событиям. Основная цель — определить наиболее эффективный подход к кластеризации для кате-горизации дней с лавинным риском на основе метеорологических показателей, таких как температура, высота снежного покрова и погодные условия. Иссле-дование включало комплексную предварительную обработку данных, преобра-зование категориальных погодных параметров в числовые значения и выбор оптимальных номеров кластеров с использованием методов Elbow и Silhouette. Экспериментальные результаты показывают, что алгоритм K-means превосхо-дит K-medoids по качеству кластеризации и интерпретируемости. Всего было выявлено четыре отдельных кластера, каждый из которых отражает уникаль-ные погодные закономерности, связанные с лавинной активностью. Результаты показывают, что применяемая методология подходит для будущего внедрения в системы мониторинга лавин и раннего оповещения. Это исследование вно-сит вклад в усилия по снижению риска стихийных бедствий и поддерживает процессы принятия решений для планирования реагирования на чрезвычайные ситуации в горных регионах.