Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Ciepłownictwo, Ogrzewnictwo, Wentylacja

1 2022

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: smog prediction model

Sortuj według:

Ogranicz wyniki do:

Neuronowy model prognozowania smogu

Makar Kamila, Kajewska-Szkudlarek Joanna

Ciepłownictwo, Ogrzewnictwo, Wentylacja

2022

T. 53, nr 1

28--33

W dzisiejszych czasach zanieczyszczenie powietrza jest jednym z głównych, globalnych zagrożeń dla człowieka i środowiska. Prognozowanie zanieczyszczeń powietrza możliwe jest dzięki modelom sztucznej inteligencji, w tym sztucznym sieciom neuronowym. W artykule przedstawiono model prognozowania smogu z wykorzystaniem sztucznych sieci neuronowych stworzony na podstawie wielkości stężenia pyłów PM10 w Nowej Rudzie w okresie 2019-2020 oraz danych meteorologicznych. Do prognozowania wykorzystano sieć neuronową typu perceptron wielowarstwowy. Aby poprawić jakość modelu wykorzystano analizę skupień, dzięki której otrzymano dokładniejszą prognozę. Przeprowadzone badania wskazują, że wykorzystanie analizy skupień do grupowania wielkości PM10 w zależności od aktualnej temperatury minimalnej znacząco wpływa na jakość prognozy. Wynika to z korelacji niskiej temperatury powietrza, która wymusza ogrzewanie mieszkań, ze wzrostem wielkości niskiej emisji. Zastosowanie zaproponowanej metodyki prognozowania umożliwiło otrzymanie neuronowego modelu predykcji PM10, w którym zależność danych rzeczywistych i prognozowanych wynosiła r = 0.99, a średniokwadratowy błąd MSE od 0.021 do 0.159. Tak dokładne prognozowanie zanieczyszczenia powietrza może się przyczynić do poprawy jakości życia i ochrony społeczeństwa przed smogiem.

Nowadays, air pollution is one of the main global threat to the environment and human. Air pollution forecasting is possible thanks to artificial intelligence models, including artificial neural networks. The article presents a smog forecast model with the use of neural artificial networks based on the volume of PM10 in Nowa Ruda in the period 2019-2020 and meteorological data. A multilayer perceptron neural network type was used for prediction. To improve the quality of the model, a cluster analysis was used, thanks to which a more accurate forecast was obtained. The conducted research shows that the use of cluster analysis to group PM10 values depending on the actual minimum temperature significantly improves the quality of the forecast. This is due to the correlation of low air temperature, which causes home heating, with an increase in low emissions. Using the proposed methodology, the PM10 neural prediction models were obtained, for which the relationship between the observed and predicted data was r = 0.99 and the mean square error MSE from 0.021 to 0.159. Such accurate forecasting of air pollution may contribute to the improvement of the quality of life and protection of the society against smog.