Neural network prediction models as a tool for air quality management in cities

• Autorzy: Skrzypski J. , Jach-Szakiel E.

Warianty tytułu

PL

Neuronowe modele predykcji jako narzędzia zarządzania jakością powietrza w miastach

• Języki publikacji: EN

Abstrakty

EN

The aim of the study was to examine the possibilities of developing a prognostic methods for the air quality management in cities. The study was focused on the development of the neural network models for predicting the classes of air quality in terms of the daily dust PM10 concentration. The air quality class was predicted for the following day based on average and maximal daily concentrations. The MLP and RBF models were tested and the results obtained proved to be satisfactory. In the optimal models, false prognoses (in testing series) constituted only 1.9% in the case of predicting average daily concentration and 7.4% in the case of predicting maximum daily concentration. A small prediction error confirmed that neural network models can be an effective tool for the air quality management in cities.

PL

Badano możliwości rozszerzenia prognostycznych metod zarządzania jakością powietrza w dużych miastach. Działania skoncentrowano na opracowaniu neuronowych modeli predykcji klas jakości powietrza (w odniesieniu do stężeń pyłu PM10). Prognozowano klasę jakości powietrza na dzień następny w odniesieniu do średnich oraz maksymalnych stężeń dobowych. Testowano modele typu MLP oraz RBF. Uzyskane wyniki są satysfakcjonujące. W optymalnie skonstruowanych modelach odsetek prognoz błędnych (w seriach testowych) wynosił zaledwie 1,9% w przypadku prognozowania średnich stężeń dobowych oraz 7,4% w odniesieniu do dobowych prognoz stężeń maksymalnych. Niski poziom błędów predykcji potwierdza, że modele neuronowe mogą stanowić efektywny instrument zarządzania jakością powietrza w miastach.

Słowa kluczowe

EN

air quality; quality management; forecasting

PL

jakość powietrza; zarządzanie jakością; prognozowanie

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Environment Protection Engineering
• Rocznik: 2008
• Tom: Vol. 34, nr 4
• Strony: 129--137
• Opis fizyczny: bibliogr. 10 poz.

Twórcy

autor

Skrzypski J.

autor

Jach-Szakiel E.

• Technical University of Łódź, Faculty of Process and Environmental Engineering, Wólczańska 213, 90-924 Łódź

Bibliografia

• [1] MAYER H., Air pollution in cities, Atmospheric Environment, 1999, 33, 4029–4037.
• [2] SKRZYPSKI J., Analysis and modelling of the system of air pollution concentration fields in big cities, Environmental Engineering Studies, ed. by Pawloski et al., Kluwer Academic Publishers, New York, 2003.
• [3] LANDSBERG H.E., Air pollution and urban climate, [in]: Tromp S.W., Weihe W. (ed.), Biometeorology, Pergamon Ltd, 1967.
• [4] VARDOULAKIS S., FISHER E.A.B., PERICLEOUS K., Modelling air quality in street canyons: review, Atmospheric Environment, 2033, 37, 155–182.
• [5] KUKKONEN M., NISKA H., DORLING S., CHATTERTON T., FOXALL R., CAWELEY G., Extensive evaluation of neural network models for prediction of NO2 and PM10 concentrations, compared with deterministic modeling and measurements in central Helsinki, Atmospheric Enviroinment, 2003, 37, 4539–4550.
• [6] KOLEHMAINEN M., MARTIKAINEN H., RUUSKANEN J., Neural networks and periodic components used in air quality forecasting, Atmospheric Environment, 2001, 35, 815–825.
• [7] LU W.Z., WANG W.J., WANG X.K., YAN S.H., LAM J.C., Potential assessment of neural network model with PCA/RBF approach for forecasting pollutants trends in Mong Kok urban air, Hong Kong, Environmental Research, 2004, 97, 79–87.
• [8] NISKA H., HILTUNEN T., KARPPINEN A., RUUSKANEN J., KOLEHMAINEN M., Evolving the neural network model for forecasting air pollution time series, Engineering Applications of Artificial Intelligence, 2004, 17, 159–167.
• [9] VITTI P., LIUTI G., DI GENOVA P., Atmospheric urban pollution: application of an artificial neural network (ANN) to the city of Perugia, Ecological Modelling, 2002, 148, 27–46.
• [10] SKRZYPSKI J., JACH-SZAKIEL E., KAMIŃSKI W., Optimizing the prediction models of the air quality state in cities, Transaction on Ecology and the Environment, 2007, Vol. 101, WIT Press, 89–98.