Prognozowanie pól imisji zmiennych w czasie i przestrzeni za pomocą sztucznych sieci neuronowych

• Autorzy: Kamiński K. , Kamiński W. , Petera J.

Warianty tytułu

EN

prediction of time - and space-dependent ambient concentration fields by artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono metodę prognozowania pól stężeń imisyjnych za pomocą sztucznych sieci neuronowych (SSN). Zaprezentowano nowe podejście, pozwalające na opis i predykcję pól zmiennych w czasie i przestrzeni, stosując jedną sieć neuronową. Zaproponowano metodę rzutowania nierównomiemie rozmieszczonych rzeczywistych punktów pomiarowych na regularną siatkę. Stężenia w centrach pól równomiernej siatki stanowiły składowe wektorów wejściowych do modelu neuronowego. Wykorzystano SSN w postaci perceptronu wielowarstwowego z jedną warstwą ukrytą. Zbadano wpływ pogody i dynamiki zmian stężeń w najbliższym otoczeniu rozpatrywanego punktu na jakość uzyskiwanego opisu. Zastosowanie metody pokazano na przykładzie Łodzi. Zaproponowano sieć neuronową pozwalającą na opis i predykcję średniodobowego pola imisji pyłu zawieszonego nad miastem. Stwierdzono, że na kształt pól imisji wpływa głównie dynamika zmian stężeń w danym punkcie w czasie i jego położenie, natomiast parametry pogodowe precyzują uzyskiwane wyniki.

EN

A method for prediction of ambient concentration fields by Artificial Neural Networks (ANNs) is proposed. A new approach enabling a description and prediction of the fietds varyingin time and space using one neutral network is presented. A method for mapping an irregular network of real measuring points into a regular mesh is proposed. Concentrations calculated in the centers of fields in the regular network were used as components of the input vectors to the neutral model. ANNs were used in the form of a multilayer perceptron with one hidden layer. The effect of weather and dynamics of concentration changes in the nearest neighbourhood of the tested point on the description quality was examined. Applications of the method wece shown taking as an example the area of Łódź. A neural network which enabled a description and prediction of a mean daily suspended particulate matter concentration field over the city is proposed. It was found that the description of concentration fields was affected mainly by the dynamics of concentration changes in a given point in time and its location. Weather factors provide only a slight improvement.

Słowa kluczowe

PL

prognozowanie stężeń imisyjnych; sieci neuronowe; perceptron wielowarstwowy

EN

forecasing pollutant concentrations; neural networks; multilayer perceptron

• Wydawca: Towarzystwo Chemii i Inżynierii Ekologicznej
• Czasopismo: Chemia i Inżynieria Ekologiczna
• Rocznik: 2005
• Tom: Vol. 12, nr s1
• Strony: 75--84
• Opis fizyczny: Bibliogr. 9 poz., 3 rys., 3 tab.

Twórcy

autor

Kamiński K.

• Wydział Inżynierii Procesowej i Ochrony Środowiska, Politechnika Łódzka, ul. Wólczańska 215, 93-005 Łódź, tel. [phone], fax [phone]

autor

Kamiński W.

• Wydział Inżynierii Procesowej i Ochrony Środowiska, Politechnika Łódzka, ul. Wólczańska 215, 93-005 Łódź, tel. [phone], fax [phone]

autor

Petera J.

• Wydział Inżynierii Procesowej i Ochrony Środowiska, Politechnika Łódzka, ul. Wólczańska 215, 93-005 Łódź, tel. [phone], fax [phone]

• Wydział Inżynierii Procesowej i Ochrony Środowiska, Politechnika Łódzka, ul. Wólczańska 215, 93-005 Łódź, tel. [phone], fax [phone].,

Bibliografia

• [1] Mayer H.: Atmos. Environ., 1999, 33, 4029-4037.
• [2] Skrzypski J.: Analiza i modelowanie pól imisji zanieczyszczeń powietrza w dużych miastach. Wyd. Polska Akademia Nauk. Komisja Ochrony Środowiska, Łódź 2002.
• [3] Sandwell D.T.: Geophys. Res. Lett, 1987, 14(2), 139-142.
• [4] Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 1996.
• [5] Gardner M.W. i Dorling S.R.: Atmos. Environ., 1998, 32(14/15), 2627-2636.
• [6] Yi J. i Prybutok V.R.: Environ. Pollut., 1996, 92(3), 349-357.
• [7] Gardner M.W. i Dorling S.R.: Atmos. Environ., 1999, 33, 709-719.
• [8] Kamiński W.. Strumilło P. i Skrzypski J.: Chem. Ind. Environ. III, 1999, I, 71-78.
• [9] Ziomas I.C., Melas D., Zerefos C.S. i Bais A. F.: Atmos. Environ., 1995, 29(24), 3703-3711.