Багатокрокове прогнозування тренду показників забруднення атмосферного повітря

Ключові слова: параметри забруднення; наївний прогноз; лінійні НС МПГП; горизонт прогнозування

Анотація

Наявність величезної кількості джерел небезпеки, спричинених діяльністю людини, становить реальну загрозу для самої людини і навколишнього середовища. Сучасний рівень організації та моніторингу забруднення навколишнього середовища висуває вимоги до розроблення нових підходів щодо вирішення проблеми контролю якості атмосферного повітря, прогнозування його забруднення та управління джерелами викидів шкідливих речовин на основі нових інформаційних технологій. Тому створення інтегрованих автоматизованих систем контролю та управління якістю атмосферного повітря, розроблення перспективних моделей і алгоритмів прогнозування забруднення повітря є актуальною проблемою. Одночасно розроблювані алгоритми прогнозування повинні бути простими та зрозумілими у використанні, тому у дослідженні описано та проаналізовано такі методи прогнозування параметрів забруднення атмосферного повітря: метод наївного прогнозу та методи прогнозування на основі лінійної нейроподібної структури моделі послідовних геометричних перетворень. Оскільки метод наївного прогнозу є найпростішим серед всіх існуючих методів, було виконано порівняння методу прогнозування на основі лінійної нейроподібної структури моделі послідовних геометричних перетворень (НС МПГП) саме зі згаданим методом, з ціллю визначення який метод результує з кращими показниками. Експериментально доведено, що метод прогнозування тренду шкідливої домішки CO на основі лінійної нейроподібної структури моделі послідовних геометричних перетворень є ефективним методом, оскільки показує точніші результати, ніж метод наївного прогнозу. Тому за допомогою розроблюваного методу виконано короткочасне багатокрокове прогнозування тренду забруднення атмосферного повітря.

Біографія автора

О. С. Міщук, Національний університет "Львівська політехніка", м. Львів

аспірантка, кафедра інформаційних технологій видавничої справи

Посилання

Atmosferne povitria. (2019). Sposterezhennia za zabrudnenniam atmosfernoho povitria v m. Kyievi. Retrieved from: http://cgosreznevskyi.kiev.ua/index.php?fn=lsza&f=lsza [In Ukrainian].

Dzendzeliuk, O., Liubun, Z., & Rabyk, V. (2015). Prohnozuvannia parametriv dovkillia na osnovi shtuchnykh neironnykh merezh. Elektronika ta informatsiini tekhnolohii, 5, 102–113. [In Ukrainian].

Dziuba, S. M., Belianina, N. V., Prokopenko, M. N., & Serovikov, S. A. (2010). Primenenie informatcionnykh tekhnologii dlia resheniia zadach ekologicheskogo monitoringa zagriazneniia atmosfery megapolisov. (Tematichnii vipusk: Informatika i modeliuvannia). Visnik Natcionalnogo tekhnichnogo universitetu "KhPI", 21, 58–65. [In Russian].

Gokhale, Sh., & Khare, M. (2005). A hybrid model for predicting carbon monoxide from vehicular exhausts in urban environments. Atmospheric Environment, 39(22), 4025–4040. https://doi.org/10.1016/j.atmosenv.2005.04.010

Harmens, H., & Mills, G. (Eds). (2014). Air Pollution: Deposition to and impacts on vegetation in (South)-East Europe, Caucasus, Central Asia (EECCA/SEE) and South-East Asia. Report prepared by ICP Vegetation, March 2014. ICP Vegetation Programme Coordination Centre, Centre for Ecology and Hydrology, Bangor. UK. 72 p.

Izonin, I. V., & Tkachenko, R. O. (2019). Komitet neiropodibnykh struktur MPHP z polinomialnym rozshyrenniam vkhodiv dlia zadach Velykykh danykh. In V. S. Ponomarenko (Ed.), Informatsiina bezpeka ta informatsiini tekhnolohii. Kharkiv: TOV "DISA PLYuS", (pp. 187–201). [In Ukrainian].

Nychyk, O. V. (2011). Monitorynh dovkillia. Kurs lektsii dlia studentiv dennoi ta zaochnoi form navchannia (6.040106 – Ekolohiia, okhorona navkolyshnoho seredovyshcha ta zbalansovane pryrodokorystuvannia). Kyiv: NUKhT, 67 p. [In Ukrainian].

Pohrebennyk, V. D., & Romaniuk, A. V. (2013). Kompiuterni vymiriuvalno–informatsiini systemy dlia operatyvnoho ekolohichnoho monitorynhu vodnoho seredovyshcha. Lviv: Publishing house of Lviv Polytechnic, 160 p. [In Ukrainian].

Pryrodni resursy. (2019). Departament ekolohii ta pryrodnykh resursiv Lvivskoi Oblasnoi Derzhavnoi administratsii. Retrieved from: http://deplv.gov.ua/analitichna-dov [In Ukrainian].

Rahman, N. H. A., Lee, M. H., & Latif, M. T. (2014). Artificial neural networks and fuzzy time series forecasting: an application to air quality. Quality and Quantity, 49(6), 2633–2647. https://doi.org/10.1007/s11135-014-0132-6

Schornobay-Lui, E., Alexandrina, E., Aguiar, M., Hanisch, W., Corrêa, E., & Corrêa, N. (2019). Prediction of short and medium term PM10 concentration using artificial neural networks. Management of Environmental Quality, 30(2), 414–436.

Skorokhoda, O. V., Andriietskyi, B. R., Tsmots, I. H., & Tkachenko, R. O. (2012). Zasoby otsiniuvannia parametriv dynamichnykh obiektiv na osnovi neiromerezhevoho synhuliarnoho spektralnoho analizu. Scientific Bulletin of UNFU, 22(11), 362–369. [In Ukrainian].

Stepyko, M. T., & Barkov, Yu. Yu. (2002). Stratehichnyi prohnoz yak obiekt doslidzhennia. In O.S. Vlasiuk (Ed.), Stratehii rozvytku Ukrainy: teoriia i praktyka. Kyiv: NISD, pp. 38–50. [In Ukrainian].

Zakon Ukrayiny. (1992). Pro okhoronu atmosfernoho povitria vid 16.10.1992 p., № 2707-KhII (u chynnii redaktsii vid 18.12.2017). Vidomosti Verkhovnoi Rady Ukrainy, 50, 678. [In Ukrainian].

Опубліковано
2019-10-31
Як цитувати
Міщук, О. С. (2019). Багатокрокове прогнозування тренду показників забруднення атмосферного повітря. Науковий вісник НЛТУ України, 29(8), 142-146. https://doi.org/10.36930/40290826
Розділ
Інформаційні технології