Monday, November 16, 2026

Bird Migration & Flight Pattern Analysis (Part-10-Final)

bird_tracking.csv ဖိုင်တွင် စုစုပေါင်း မှတ်တမ်းပေါင်း ၆၁,၉၂၀ ခု (Rows) နှင့် ကော်လံ ၈ ခု (Columns) ပါဝင်ပြီး ၂၀၁၃ ခုနှစ် ဩဂုတ်လ ၁၅ ရက်မှ ၂၀၁၄ ခုနှစ် ဧပြီလ ၃၀ ရက်အထိ (ရက်ပေါင်း ၂၅၉ ရက်ခန့်) စင်ရော်ငှက် (Lesser Black-backed Gulls) ၃ ကောင်၏ GPS ရွှေ့ပြောင်းပျံသန်းမှု မှတ်တမ်းများ ဖြစ်ပါသည်။

၁။ bird_tracking.csv ဖိုင်၏ ကိန်းဂဏန်းအချက်အလက် စစ်ဆေးတွေ့ရှိချက်

ဖိုင်တစ်ခုလုံးရှိ အဓိက ကိန်းဂဏန်းအနှစ်ချုပ် (Count, Mean, Median, Std, Min, Max) နှင့် ငှက်တစ်ကောင်ချင်းစီ၏ နှိုင်းယှဉ်ချက်မှာ အောက်ပါအတိုင်း ဖြစ်ပါသည်-

ငှက်အမည် (bird_name)စက်နံပါတ် (Serial)မှတ်တမ်းအရေအတွက် (Count)ပျောက်ဆုံးတန်ဖိုး (NaN in Speed/Dir)အမြန်နှုန်း ပျမ်းမျှ / အလယ်ကိန်း (Mean / Median m/s)အမြန်နှုန်း စံသွေဖည်ကိန်း / အများဆုံး (Std / Max m/s)အမြင့် ပျမ်းမျှ / အလယ်ကိန်း (Mean / Median m)အမြင့် အနိမ့်ဆုံး / အမြင့်ဆုံး (Min / Max m)လတ္တီကျု အပိုင်းအခြား (Latitude Range)
Nico86421,1211132.91 / 1.543.74 / 48.3867.90 / 16.00-965 / 6,96512.35°N – 51.52°N
Sanne83321,0042452.45 / 1.153.39 / 57.2029.16 / 8.00-1,010 / 6,14513.88°N – 51.37°N
Eric85119,795852.30 / 1.003.57 / 63.4960.25 / 26.00-830 / 4,80830.17°N – 51.36°N
စုစုပေါင်း / ပျမ်းမျှ3 လုံး61,9204432.56 / 1.213.58 / 63.4952.31 / 14.00-1,010 / 6,96512.35°N – 51.52°N

ဒေတာဖွဲ့စည်းပုံမှ ထူးခြားသော လက္ခဏာရပ်များ (Key Data Patterns & Outliers)

  • ညာဘက်သို့ စောင်းနေသော ဖြန့်ကျက်မှု (Right-Skewed Distribution) ငှက် ၃ ကောင်စလုံးတွင် ပျမ်းမျှအမြန်နှုန်း (2.30–2.91 m/s) သည် အလယ်ကိန်း (1.00–1.54 m/s) ထက် နှစ်ဆခန့် မြင့်မားနေပြီး၊ ပျမ်းမျှအမြင့် (29.16–67.90 m) သည် အလယ်ကိန်း (8.00–26.00 m) ထက် များစွာမြင့်မားနေပါသည်။ ၎င်းသည် ငှက်များ၏ ဘဝသက်တမ်း အများစုမှာ အနိမ့်ပိုင်း၌ နားနေခြင်းနှင့် အနီးဝန်းကျင်တွင် အစာရှာခြင်းသာ ဖြစ်ပြီး၊ ရာသီအကူးအပြောင်း ရက်အနည်းငယ်အတွင်း၌သာ အမြင့်ပေထောင်ချီ၍ အရှိန်ပြင်းပြင်း ခရီးဝေးပျံသန်းကြောင်း သက်သေပြနေပါသည်။

  • Missing Values ဖွဲ့စည်းပုံ altitude, latitude, longitude, date_time တို့တွင် ကွက်လပ် လုံးဝ (0) မရှိသော်လည်း speed_2d နှင့် direction ကော်လံနှစ်ခုလုံးတွင် တစ်ပြိုင်နက်တည်း NaN ဖြစ်နေသော အတန်းပေါင်း ၄၄၃ ခု (Eric တွင် 85 ခု၊ Nico တွင် 113 ခု၊ Sanne တွင် 245 ခု) ပါဝင်နေပါသည်။

  • GPS စက်အမှားနှင့် အစွန်းရောက်တန်ဖိုးများ ပင်လယ်ရေမျက်နှာပြင်အောက် -1,010 m (Sanne) အထိ ပြသနေသော ဒေါင်လိုက် GPS ဂြိုဟ်တုတိုင်းတာမှု အမှားများ ပါဝင်သကဲ့သို့၊ အမြင့်ပေ 6,965 m (Nico) နှင့် အမြန်နှုန်း 63.49 m/s (Eric) အထိ ရောက်ရှိသော အစွန်းရောက် ပျံသန်းမှုမှတ်တမ်းများလည်း ရှိနေပါသည်။

  • ပထဝီဝင် ရွှေ့ပြောင်းမှု ကွာခြားချက် ငှက် ၃ ကောင်စလုံးသည် နွေရာသီတွင် ဥရောပမြောက်ပိုင်း (Lat ~51.3°N - ဘယ်လ်ဂျီယံ/နယ်သာလန် ကမ်းရိုးတန်း) ၌ အတူတကွ ကျက်စားကြသော်လည်း ဆောင်းခိုရာတွင်မူ Eric သည် မော်ရိုကို ကမ်းရိုးတန်း (Lat 30.17°N) တွင်သာ ရပ်နားပြီး Nico နှင့် Sanne တို့သည် အာဖရိကအနောက်ပိုင်း ဆီနီဂေါ/မော်ရီတေးနီးယား ကမ်းရိုးတန်း (Lat 12.35°N–13.88°N) အထိ ဆက်လက်ပျံသန်းကြပါသည်။

၂။ ဆွေးနွေးခဲ့သမျှ AI / Machine Learning သီအိုရီနှင့် သဘောတရားများ ခြုံငုံသုံးသပ်ချက်

'bird_tracking' data ကို အသုံးပြု၍ လက်တွေ့လုပ်ငန်းခွင်သုံး End-to-End Machine Learning Pipeline တစ်ခုလုံး၏ အဓိက သီအိုရီ ၅ ရပ်ကို စနစ်တကျ လက်တွေ့တည်ဆောက် လေ့လာခဲ့ကြပါသည်။

(၁) Data Preprocessing, Imputation & Feature Engineering

မော်ဒယ်တစ်ခု၏ စွမ်းဆောင်ရည်သည် ထည့်သွင်းပေးလိုက်သော Feature များ၏ အရည်အသွေးပေါ်တွင် အဓိက မူတည်ပါသည်။

  • ML-Based Imputation (KNNImputer vs. SimpleImputer) ပျောက်ဆုံးနေသော speed_2d တန်ဖိုးများကို တစ်ဖိုင်လုံး၏ ပျမ်းမျှကိန်းသေ (SimpleImputer) ဖြင့် ဖြည့်သွင်းပါက အမြင့်ပေ ပြောင်းလဲမှုကို လျစ်လျူရှုမိသဖြင့် အမှား (MAE = 2.22 m/s) များပြားပြီး၊ အနီးစပ်ဆုံး ပတ်ဝန်းကျင်အခြေအနေများကို ကြည့်၍ တွက်ချက်သော KNNImputer သည် အမှားကို MAE = 1.90 m/s အထိ လျှော့ချပေးနိုင်ကြောင်း တွေ့ရှိခဲ့ရပါသည်။

  • Cyclical Feature Engineering ဦးတည်ရာ ဒီဂရီ (direction: -180° မှ +180°) နှင့် အချိန် (hour: 0–23) ကဲ့သို့ စက်ဝိုင်းပုံ လည်ပတ်နေသော ကိန်းဂဏန်းများကို $-179^\circ$ နှင့် $+179^\circ$ ကြား အကွာအဝေး မှားယွင်းမတွက်မိစေရန် $\sin(\theta)$ နှင့် $\cos(\theta)$ ဖန်ရှင်များဖြင့် နှစ်ဖက်မြင် စက်ဝိုင်းကိုဩဒိနိတ် (Trigonometric Encoding) သို့ ပြောင်းလဲအသုံးပြုခဲ့ပါသည်။

  • Feature Scaling (StandardScaler) အကွာအဝေးနှင့် ပြန့်ကျဲမှုကို အခြေခံသော Algorithm များ (k-NN, K-Means, GMM, PCA, KNNImputer) တွင် ယူနစ်ကြီးမားသော altitude က ယူနစ်ငယ်သော speed_2d အပေါ် မလွှမ်းမိုးစေရန် စံနှုန်းတစ်ခုတည်းသို့ ညှိယူရပြီး၊ ဆုံးဖြတ်ချက်သစ်ပင် အခြေခံ မော်ဒယ်များ (RandomForest, IsolationForest) တွင်မူ Scaling ပြုလုပ်ရန် မလိုအပ်ကြောင်း လေ့လာခဲ့ပါသည်။

(၂) Unsupervised Learning & Dimensionality Reduction

ကြိုတင်သတ်မှတ်ထားသော အဖြေ (Labels) မပါဘဲ ဒေတာ၏ ဖွဲ့စည်းပုံမှ သဘာဝအုပ်စုများကို ရှာဖွေခြင်း ဖြစ်ပါသည်-

  • Centroid-Based (K-Means) vs. Density-Based (DBSCAN) Spatial Clustering K-Means သည် အုပ်စုအရေအတွက် ($k$) ကြိုပေးရပြီး စက်ဝိုင်းပုံအုပ်စုများကိုသာ ခွဲနိုင်သော်လည်း၊ ကမ္ဘာလုံးမျက်နှာပြင် အကွာအဝေးတွက်နည်း (Haversine Metric) သုံးထားသော DBSCAN သည် ကမ်းရိုးတန်းတစ်လျှောက် ငှက်များ အမှန်တကယ် စခန်းချကျက်စားရာ ဇုန် ၇ ခု (Zone 0 မှ Zone 6) ကို အလိုအလျောက် ရှာဖွေပေးနိုင်ပြီး ခရီးဝေး ဖြတ်သန်းပျံသန်းမှုများကို Noise (-1) အဖြစ် တိကျစွာ ခွဲထုတ်ပေးနိုင်ခဲ့ပါသည်။

  • Dimensionality Reduction (PCA) & Probabilistic Clustering (GMM) PCA သည် ဆက်နွှယ်နေသော Feature ၅ ခုကို အချက်အလက် ဆုံးရှုံးမှုအနည်းဆုံးဖြင့် ထောင့်မှန်ကျ ဝင်ရိုး ၂ ခု (PC1, PC2) သို့ ချုံ့ပေးပြီး၊ Gaussian Mixture Model (GMM) သည် Expectation-Maximization (EM) စနစ်ဖြင့် အပြုအမူတစ်ခုမှ တစ်ခုသို့ ကူးပြောင်းနေဆဲ အခိုက်အတန့်များ (Transitional States) ကို ဖြစ်နိုင်ခြေ ရာခိုင်နှုန်း (predict_proba) များဖြင့် ဖမ်းယူပြသနိုင်ခဲ့ပါသည်။

(၃) Anomaly & Outlier Detection (Isolation Forest)

ပုံမှန်ဒေတာပုံစံကို အရင်တည်ဆောက်မည့်အစား ထူးခြားသော အမှတ်များသည် သီးခြားခွဲထုတ်ရန် လွယ်ကူပြီး ဆုံးဖြတ်ချက်သစ်ပင်၏ အမြစ်နှင့် နီးကပ်စွာ ပြတ်တောက်သွားသည် (Shorter Path Length) ဟူသော သဘောတရားဖြင့် Isolation Forest ကို အသုံးပြုခဲ့ပါသည်။ ရူပဗေဒဆိုင်ရာ Feature များ (vertical_speed, speed_discrepancy) နှင့် ပေါင်းစပ်လိုက်သောအခါ ပင်လယ်ရေအောက် အနုတ်ပြနေသော GPS အမှားများနှင့် ပြင်းထန်သော လေစီးကြောင်းစီး ပျံသန်းမှုများကို အလိုအလျောက် ခွဲခြားဖော်ထုတ်နိုင်ခဲ့ပါသည်။

(၄) Supervised Learning: Classification & Multi-Output Trajectory Forecasting

  • Instance-Based (k-NN) vs. Ensemble Learning (Random Forest) အနီးစပ်ဆုံး ဒေတာ $k$ ခု၏ အများစုမဲဖြင့် ဆုံးဖြတ်သော k-NN နှင့် ဆုံးဖြတ်ချက်သစ်ပင် ရာပေါင်းများစွာကို ပေါင်းစပ်၍ Variance လျှော့ချပေးသော Random Forest တို့ကို နှိုင်းယှဉ်တည်ဆောက်ပြီး Confusion Matrix၊ Precision/Recall/F1-Score နှင့် Feature Importance တို့ဖြင့် အကဲဖြတ်ခဲ့ပါသည်။

  • Time-Series Lag Features & Displacement Forecasting အတိတ်ကာလ အရှိန်အဟုန် (.shift() Lag Features) နှင့် အချိန်ကွာခြားချက် (dt_next) တို့ကို အသုံးပြု၍ Multi-Output Regression ဖြင့် နောက်တစ်ဆင့် တည်နေရာကို ခန့်မှန်းခဲ့ပါသည်။ ထိုသို့ခန့်မှန်းရာတွင် မူရင်းကိုဩဒိနိတ် ($\text{Lat}_{t+1}$) အစား နေရာပြောင်းလဲမှု ပမာဏ ($\Delta\text{Lat}, \Delta\text{Lon}$) ကိုသာ သင်ကြားပေးခြင်းဖြင့် Decision Tree မော်ဒယ်များ မြေပုံနယ်နိမိတ်အသစ်များသို့ ကျော်လွန်ခန့်မှန်းနိုင်စွမ်း မရှိခြင်း (Extrapolation Limitation) ကို အောင်မြင်စွာ ကျော်လွှားနိုင်ခဲ့ပါသည်။

(၅) Data Leakage Prevention & Honest Validation (Pipeline & GroupKFold)

လက်တွေ့ AI အင်ဂျင်နီယာပညာရပ်၏ အရေးအကြီးဆုံး သင်ခန်းစာအဖြစ် Data Leakage (ဒေတာပေါက်ကြားမှု) ကာကွယ်ခြင်းကို လက်တွေ့စမ်းသပ်ခဲ့ပါသည်-

  • StandardScaler နှင့် KNNImputer တို့ကို Pipeline အတွင်း ထည့်သွင်းခြင်းဖြင့် Train နှင့် Test ကြား စာရင်းအင်းအချက်အလက် မပေါက်ကြားစေရန် ထိန်းသိမ်းနိုင်ခဲ့ပါသည်။

  • တည်နေရာ (latitude, longitude) ကို ဖယ်ထုတ်၍ ပျံသန်းမှုအမူအကျင့် သက်သက်ဖြင့် မျိုးစိတ်တူ စင်ရော်ငှက် ၃ ကောင်ကို ခွဲခြားစေခြင်းနှင့် ရက်စွဲအလိုက် အုပ်စုခွဲစစ်ဆေးသော GroupKFold(by date) ကို အသုံးပြုခြင်းတို့ဖြင့် မိနစ်ပိုင်းခြား မှတ်တမ်းများကြောင့် ဖြစ်ပေါ်တတ်သည့် အတုအယောင် တိကျမှု (Optimism Bias) ကို ဖယ်ရှားကာ မော်ဒယ်၏ စစ်မှန်သော စွမ်းဆောင်ရည် (~47.5%) ကို တိုင်းတာနိုင်ခဲ့ပါသည်။

No comments:

Post a Comment

Note: Only a member of this blog may post a comment.