Несмотря на активное развитие систем математического моделирования экологических процессов, их комплексные модели пока не нашли достойного отражения в научной литературе. В то же время ансамблевые методы находят все более широкое применение при обработке различных типов данных, включая мультимодальные. Основным преимуществом ансамблевого подхода является возможность интеграции различных методов, которые могут надстраиваться на определенную специфику проблемной области, за счет чего увеличивается достоверность анализа. В настоящей работе нами рассматриваются несколько подходов к оценке качества вод: классический, ансамблевый и эвристический. Предлагаемый подход к реализации вычислительного ансамбля для оценки качества вод включает стек новых технологий науки о данных, такие как: Neural networks, Xgboost, RandomForest, LogisticRegression, kNearestNeighbors (kNN). Все методы апробированы на гидрохимических данных водных объектов рек Ускат и Аба, протекающих по Кемеровской области и загрязняемых промышленными отходами различных предприятий, находящихся в их русле. В работе приводятся результаты применения ансамблирования к водным объектам на примере Кузбасских рек Аба и Ускат.
Ключевые слова: PYTHON, АНСАМБЛЕВОЕ МОДЕЛИРОВАНИЕ, НЕЙРОННЫЕ СЕТИ, ГЛУБОКОЕ ОБУЧЕНИЕ, ВЫЧИСЛИТЕЛЬНЫЕ МОДЕЛИ, МАШИННОЕ ОБУЧЕНИЕ, ОЦЕНКА КАЧЕСТВА ВОД, ОЦЕНКА МОДЕЛЕЙ, ВОДНЫЕ ОБЪЕКТЫ.