Zastosowanie sztucznych sieci neuronowych do modelowania stężenia ozonu przy powierzchni ziemi

• Autorzy: Baran J. , Świąć A. , Hoffman S.

Warianty tytułu

EN

Neural networks application to the ozone concentration modelling near the ground surface

• Języki publikacji: PL

Abstrakty

PL

Zbadano możliwości zastosowania sieci neuronowych do modelowania stężenia ozonu przy powierzchni ziemi. Analizę przeprowadzono na podstawie zbioru danych pomiarowych, dla którego we wcześniejszych pracach uzyskano metodami statystycznymi liniowy model regresji wielowymiarowej, uzależniający stężenie ozonu od temperatury, prędkości wiatru i stężenia tlenków azotu NOx. W obliczeniach wykorzystano dane zarejestrowane w 1994 r. na stacji pomiarowej monitoringu powietrza w Krakowie przy ulicy Halickiej. Analizowany zbiór danych stanowiły zmierzone w godzinach nocnych wartości stężeń O3, NOx, temperatury i prędkości wiatru uśrednione w okresach 60-minutowych. Jakość kilku modeli otrzymanych z użyciem sieci neuronowych porównano ze sobą oraz z modelem liniowej regresji wielowymiarowej. Przyjęto dwa kryteria oceny modeli: 1) wartość błędu średniokwadratowego wynikającego z rozbieżności między wyjściem modelu a wartościami rzeczywistymi stężenia O3; 2) wartość współczynnika korelacji dla prostej regresji pomiędzy wyjściem modelu (przewidywaniami) a wartościami rzeczywistymi stężenia O3. Stwierdzono, że modele neuronowe są zdecydowanie lepsze od liniowego. Zweryfikowano pozytywnie zdolność modeli neuronowych do przewidywania wyników dla danych niewykorzystywanych w procesie uczenia, czyli możliwość uogólniania zdobytej wiedzy.

EN

Possibility of neural networks application to the ozone concentration modelling near the ground was examined. The studies were performed based on the measuring data set that was earlier used for generation of multiple linear regression model, conditioning ozone concentration by temperature, wind speed and NOx, concentration. The data gathered in 1994 at the air monitoring station in Cracow were used in the calculations. The analysed data set was built of 60-minutes' averages of temperature, wind speed as well as O3 and NOX concentrations, measured at night. Qualities of some models obtained with neural networks were co m pa red with the multiple linear regression model. Two criteria of model estimation were assumed: 1) the value of mean square error resulting from divergences between model input and real O3 concentration values; 2) the value of correlation coefficient for the best linear fit of the real O3 concentration values to the model input. It was stated that the neural networks models are decidedly better than the linear regression model. Ability of neural models to predict results for the data not used in training process was affirmatively verified.

Słowa kluczowe

PL

model sieci neuronowej; liniowy model regresji wielowymiarowej; modelowanie stężenia ozonu; model nieliniowy

EN

neural networks model; multiple linear regression model; ozone concentration modelling; nonlinear model

• Wydawca: Wydawnictwo Politechniki Częstochowskiej
• Czasopismo: Inżynieria i Ochrona Środowiska
• Rocznik: 1999
• Tom: T. 2, nr 3/4
• Strony: 305--321
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Baran J.

autor

Świąć A.

autor

Hoffman S.

• Politechnika Częstochowska, Instytut Elektroniki i Systemów Sterowania, ul. Armii Krajowej 17, 42-200 Częstochowa