Прогнозирование концентраций газов на основе нейросетевого моделирования

Аннотация

Вегера Д.В., Забавин А.С., Новикова А.А., Пархоменко И.С., Похващев Е.О.

Дата поступления статьи: 03.02.2025

В статье рассматривается применение рекуррентной нейронной сети в задаче прогнозирования загрязняющих веществ в воздухе на основе смоделированных данных в виде временного ряда. Для построения прогноза используются модели нейронной рекуррентной сети с долгой краткосрочной памятью (Long Short-Term Memory - LSTM). Однонаправленной LSTM (далее просто LSTM), а также и двунаправленной LSTM (Bidirectional LSTM, далее Bi-LSTM). Оба алгоритма были применены для температуры, влажности, концентрации загрязняющих веществ и других параметров, учитывая, как сезонные, так и краткосрочные изменения. Сеть Bi-LSTM показала лучшую производительность и наименьшие ошибки.

Ключевые слова: экологический мониторинг, анализ данных, прогнозирование, рекуррентные нейронные сети, долгая краткосрочная память, однонаправленная, двунаправленнная

2.3.1 - Системный анализ, управление и обработка информации

.