Прогнозування ступеня забруднення атмосферного повітря у промисловому регіоні
DOI:
https://doi.org/10.31498/2225-6733.36.2018.142552Ключові слова:
прогнозування, забруднення атмосферного повітря, предиктори, штучна нейронна мережа, нейрони, настройка нейронної мережі, навчання нейронної мережіАнотація
У статті розглянута можливість використання штучних нейронних мереж (НМ) для прогнозування ступеня забруднення атмосферного повітря в промисловому регіоні. Нейромережевий підхід є дуже популярним і досить ефективним в рішенні задач прогнозування. Нейронні мережі дозволяють моделювати лінійні залежності в разі великого числа змінних. Завдання прогнозування за допомогою НМ полягає в побудові оптимальної НМ на основі вихідних даних, її навчання за різними алгоритмами, донавчання (при необхідності) і побудові прогнозу. Для побудови якісної мережі досить кілька сотень або тисяч спостережень. Навчання мережі являє собою підгонку моделі, яка реалізується мережею, до наявних навчальних даних. Система, що розробляється, працює в режимі реального часу і в простій і наочній формі виробляє досить якісний прогноз рівня забруднення. Система має можливість охоплювати всі станції моніторингу промислового регіону, збирає і аналізує дані не менш ніж з 100 станцій моніторингу (про забруднення щогодини, про погоду – кожні 15 хвилин). Система працює 24 години на добу. Розроблена багатошарова нейронна мережа, що дозволяє спрогнозувати рівень забруднення на основі даних про поточну якість повітря, поточні погодні умови, прогноз погоди, часу доби і дня тижня, оскільки якість повітря залежить від цих характеристик. Прогноз складається для кожної години, для кожної станції, кожного забруднювача. Горизонт прогнозування становить 6 годин (це стандарт). Протестована точність прогнозу за допомогою нейронної мережі з різною кількістю шарів. Отримано залежності точності прогнозу забруднення повітря від кількості шарів нейронної мережі, звідки видно, що максимальна точність прогнозу досягається з використанням двох зовнішніх і одного прихованого шарів нейронної мережі. Було визначено, що максимальна точність досягається при використанні 30 нейронів на прихованому шарі, що є оптимальним рішенням, що дає кращу точність прогнозу. Підтверджено, що створення однієї універсальної нейронної мережі, яка буде прогнозувати рівень забруднень для будь-якої станції регіону, не дає точного прогнозу, тому що станції знаходяться в різних середовищахПосилання
Список использованных источников (ГОСТ):
Сонькин Л.Р. Синоптико-статистический анализ и краткосрочный прогноз загрязнения атмосферы / Л.Р. Сонькин. – Л. : Гидрометеоиздат, 1991. – 250 с.
ОНД-86. Методика расчета концентраций в атмосферном воздухе вредных веществ, содержащихся в выбросах предприятий. – Введ. 1987-01-01. – Ленинград : Госкомгидромет, 1986. – 68 с.
Берлянд М.Е. Прогноз и регулирование загрязнения атмосферы / М.Е. Берлянд. – СПб. : Гидрометеоиздат, 1985. – 272 с.
Васильев А.Н. Нейросетевое моделирование. Принципы. Алгоритмы. Приложения / А.Н. Васильев, Д.А. Тархов. – СПб. : изд-во СпбПУ, 2009. – 528 с.
References:
Son'kin L.R. Sinoptiko-statisticheskii analiz i kratkosrochnyi prognoz zagriazneniia atmosfery [Synoptico-statistical analysis and short-term forecast of atmospheric pollution]. Leningrad, Gidrometeoizdat Publ, 1991. 250 p. (Rus.)
Obshchesoiuznyi normativnyi document ОND-86. Metodika rascheta kontsentratsii v atmosfernom vozdukhe vrednykh veshchestv, soderzhashchikhsia v vybrosakh predpriiatii [All-Union normative document ОND-86. The procedure for calculating the concentrations in the air of harmful substances contained in the emissions of enterprises]. Leningrad, Goskomgidromet Publ., 1986. 68 р. (Rus.)
Berlyand M.E. Prognoz i regulirovanie zagriazneniia atmosfery [Forecast and regulation of atmospheric pollution]. SPb, Gidrometeoizdat Publ., 1985. 272 p. (Rus.)
Vasiliev A.N., Tarkhov D.A. Neirosetevoe modelirovanie. Printsipy. Algoritmy. Prilozheniia [Neural network modeling. Principles. Algorithms. Applications]. St. Petersburg, SPbPU Publishing House, 2009. 528 p. (Rus.)
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Журнал "Вісник Приазовського державного технічного університету. Серія: Технічні науки" видається під ліцензією СС-BY (Ліцензія «Із зазначенням авторства»).
Дана ліцензія дозволяє поширювати, редагувати, поправляти і брати твір за основу для похідних навіть на комерційній основі із зазначенням авторства. Це найзручніша з усіх пропонованих ліцензій. Рекомендується для максимального поширення і використання неліцензійних матеріалів.
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи в цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди, які стосуються неексклюзивного поширення роботи в тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи в цьому журналі.
