МНОГОСЦЕНАРНЫЙ СИНТЕТИЧЕСКИЙ ДРЕВЕСНО-КОЛЬЦЕВОЙ СТЕНД ДЛЯ ВНЕВЫБОРОЧНОЙ ОЦЕНКИ МОДЕЛЕЙ ДИАМЕТРАЛЬНОГО ПРИРОСТА ВИДОВ, РАСПРОСТРАНЁННЫХ В КАЗАХСТАНЕ

Исследование выполнено исключительно на синтетических данных: условные деревья, годичные кольца, геометрические маски и высокочастотный измерительный канал не являются полевыми наблюдениями Казахстана. Цель работы состояла в создании многосценарного стенда для проверки выбора модели и устойчивости вневыборочного вывода. Проведено 100 независимых прогонов по четырём порождающим сценариям; каждый прогон включал 120 деревьев четырёх видов, 3 120 годовых и 2 520 модельных строк. Сопоставлены AR (5), OLS, Ridge, ElasticNet, kNN, Random Forest и Gradient Boosting. При практической эквивалентности ошибок в пределах 1 % применялось правило простоты. В линейном сценарии OLS выбиралась в 64 % прогонов, тогда как в нелинейном kNN выбиралась в 96 %. Медианный выигрыш на новых деревьях составлял 25,27–37,23 %. Увеличение выборки с 40 до 120 деревьев уменьшило медианную ширину бутстрэп-интервала ΔMAE с 0,278 до 0,171 мм. Для сценария режимного сдвига 2023–2025 гг. медианный R² равнялся –0,089, а критерий G проходил в 24 % прогонов. Результаты показывают зависимость ранжирования моделей от механизма генерации и ограничивают вывод областью вычислительного стенда.