Dobór modelu neuronowego typu MLP do opisu koncentracji tlenku węgla

• Autorzy: Tomczak E.

Warianty tytułu

EN

Selection of the MLP Neural Model for Description of Carbon Monoxide Concentration

• Języki publikacji: PL

Abstrakty

PL

Celem pracy bylo badanie zanieczyszczeń gazowych znad arterii komunikacyjnej miasta Łodzi, charakteryzującej się zwiększonym ruchem pojazdów samochodowych. Przedstawiono modele matematyczne służące do symulacji rozprzestrzeniania się zanieczyszczeń gazowych nad prostoliniowym odcinkiem drogi. Przeprowadzono symulację komputerową obliczania poziomu stężenia tlenku węgla za pomocą modelu neuronowego (perceptronu wielowarstwowego MLP - multilayer perceptron) z uwzględnieniem postaci funkcji przejścia w warstwie ukrytej i wyjściowej. Dokonano weryfikacji wyników doświadczalnych z wynikami symulacji komputerowej.

EN

Atmosphere pollution in big urban agglomerations is caused first of all by road traffic. In many countries vehicles contribute significantly to air pollution reaching 50% for HC (hydrocarbons), 50+70% for NOx (nitric oxides) and 80% for CO (carbon monoxide). In Poland, road transport is estimated to be a source of 40-50% gas pollution. To estimate air pollution, statistical and experimental models are used most frequently when there is no good mathematical description of the process, or when data for solving equations of the mathematical model are insufficient. The models are formulated on the basis of a sufficiently big set of information obtained while observing the process. In this group of models there are very popular models built using artificial neural networks. The latest approach is the application of the artificial neural networks in predicting air pollution, among the others, on the basis of known meteorological conditions and traffic density. The aim of the study was to investigate gas pollutants from over arterial roads in the city of Łódź that are characterised by intensive traffic. Mathematical models for the simulation of gas pollutant propagation over a straight road segment are presented. A computer simulation of calculating carbon monoxide concentration was carried out using a neural model (MLP - multilayer perceptron) taking into account the form of transition function in the hidden and output layer. Experimental and computer simulation results have been verified.

Słowa kluczowe

PL

model neuronowy; tlenek węgla; modele matematyczne

EN

neural model; carbon monoxide; mathematical models

• Wydawca: Towarzystwo Chemii i Inżynierii Ekologicznej
• Czasopismo: Chemia i Inżynieria Ekologiczna
• Rocznik: 2004
• Tom: Vol. 11, nr S2
• Strony: 217--227
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Tomczak E.

• Wydział Inżynierii Procesowej i Ochrony Środowiska, Politechnika L6dzka, ul. W61czanska 215, 93-005 Łódź

Bibliografia

• [1] Perez P., Palacios R. i Castillo A.: Prediction of 8 hours average of carbon monoxide concentrations in Santiago, Chile. Air Pollution X, WitPress, London 2002, 645-652.
• [2] Patania K, Siracusa G., Galiano A. i Nocera F.: Air quality inside car moving into urban traffic in Cata¬nia city: the exposure to the carbon monoxide. Air Pollution X, WitPress, London 2002, 663-672.
• [3] Curzydlo J.: Zagrożenia motoryzacyjne i konflikty autostradowe w Polsce, Aurora, 1998.
• [4] Merkisz J.: Wpływ motoryzacji na skażenie środowiska naturalnego, Wyd. Polit. Poznańskiej, Poznari 1994.
• [5] Koren U. i Eichinger W.: Determination of road traffic emission from lidar data. Air Pollution X, WitPress, London 2002, 103-110.
• [6] Lopez J. i Salcido A.: Air pollution modelling with turbulence data estimated from conventional meteorological parameters in a urban tropical region. Air Pollution IX, WitPress, Stevenage 2001, 45-56.
• [7] Yi J. i Prybutok V.R.: A neural network model forecasting for prediction of daily maximum ozone concentration in an industrialized urban area. Environ. Pollut., 1996, 3, 349-357.
• [8] Rech S.L., Gomez D.R. i Dawidowski L.E.: Artificial neural networks for the identification of unknown air pollution sources. Atmospheric Environ., 1999, 33, 3045-3052.
• [9] Latini G., Grifoni R.C. i Passerini G.: Influence of metorological parameters on urban and suburban air pollution. Air Pollution X, WitPress, London 2002, 753-762.
• [10] Kamiński W. i Tomczak, E.: Prognozowanie stężenia tlenku węgla za pomocą sztucznych sieci neuronowych. Chem. Inz. Ekol., 2001, 8, 1, 85-92.
• [11] Kamiński W., Tomczak E. i Kucharski M.: Modelowanie rozprzestrzeniania się tlenku węgla w obszarze drogi o dużym natężeniu ruchu. Inż. Chem. Proc., 2001, 22(3C), 615-620.
• [12] Haykin S.: Neural networks. Macmillan College Publishing Company, New York 1994. [13] Żurada I, Barski M. i Jędruch W.: Sztuczne sieci neuronowe. WN PWN, Warszawa 1996.