МОДИФИКАЦИЯ КЛАССИФИКАТОРА ИНДЕКСА КАЧЕСТВА ВОЗДУХА Г. БИШКЕК С УЧЕТОМ ФАКТОРА ЗАГРЯЗНЕНИЯ

Авторы

Лыченко Н.М. Институт машиноведения и автоматики Национальной академии наук Кыргызской Республики
Сороковая А.В. Институт машиноведения и автоматики Национальной академии наук Кыргызской Республики

Ключевые слова:

классификация, прогноз, индекс качества воздуха, LSTM-нейронная сеть, факторы загрязнения

Аннотация

Представлены результаты анализа и использования информации о количестве тонн ежедневно сжигаемого угля на ТЭЦ г. Бишкек для повышения точности прогноза класса индекса качества воздуха (AQI) на основе LSTM-нейронного классификатора. Этот классификатор позволяет, в зависимости от метеорологических условий и предшествующей истории значений AQI, прогнозировать класс AQI из возможных четырех интегрированных классов: AQI50/ 50<AQI100 / 100<AQI150/ AQI>150. Учет фактора загрязнения в качестве дополнительного входа классификатора позволил получить прогноз класса AQI с точностью не менее 80% .

Библиографические ссылки

Великанова Л.И., Лыченко Н.М. Мультирегрессионные и обобщенно-регрессионные нейросетевые модели краткосрочного прогноза загрязнения РМ2.5 в г. Бишкек с учетом метеорологических параметров// Проблемы автоматики и управления.- N2. Бишкек: Илим, 2019. –С. 42-51.

Лыченко Н.М., Сороковая А.В. Прогнозирование классов индекса качества воздуха г. Бишкек с учетом новых данных 2020-2021 гг. на базе LSTM-нейросетевого классификатора// Проблемы автоматики и управления. 2021. № 2 (41). С. 89-99.

Air Quality Index (AQI) - A Guide to Air Quality and Your Health. US EPA. 9 December 2011.

Cайт «Расписание погоды rp5.ru» Архив погоды в Бишкеке https://rp5.ru/%D0%90%D1%80%D1%85%D0%B8%D0%B2_%D0%BF%D0%BE%D0%B3%D0%BE%D0%B4%D1%8B_%D0%B2_%D0%91%D0%B8%D1%88%D0%BA%D0%B5%D0%BA%D0%B5 (дата обращения: 30.07.2021)

Burhan Baran. Prediction of Air Quality Index by Extreme Learning Machines// 2019 International Artificial Intelligence and Data Processing Symposium (IDAP) DOI: 10.1109/IDAP.2019.8875910

Soubhik Mahanta, T. Ramakrishnudu; Rajat Raj Jha; Niraj Tailor. Urban Air Quality Prediction Using Regression Analysis//TENCON 2019 - 2019 IEEE Region 10 Conference (TENCON). Date of Conference: 17-20 Oct. 2019 DOI: 10.1109/TENCON.2019.8929517

M. Sharma; S. Aggarwal; P. Bose; A. Deshpande. Meteorology-based forecasting of air quality index using neural network//IEEE International Conference on Industrial Informatics, 2003. INDIN 2003. Proceedings. DOI: 10.1109/INDIN.2003.1300360

AirNow Depatment of State // https://airnow.gov/index.cfm?action=airnow.global _summary #U.S._Department_of_State $Bishkek, (дата обращения: 30.07.2021).

Лыченко Н.М. Регрессионный анализ метеорологических факторов и концентраций частиц РМ2.5 в атмосферном воздухе г. Бишкек// Проблемы автоматики и управления.- N2. Бишкек: Илим, 2019. –С. 5-15.

Бокс Д., Дженкинс Т. Анализ временных рядов: прогноз и управление. М.: Мир, 1974. 242 с.

X. Zhao, R. Zhang, J.-L. Wu, P.-C. Chang. A Deep Recurrent Neural Network for Air Quality Classification // Journal of Information Hiding ultimedia Signal Processing. – V.9, N.2, March 2018.

Understanding LSTM Networks. – URL: http://colah.github.io/posts/2015-08-Understanding-LSTMs/ (дата обращения 14.09.2021).