ivdon3@bk.ru
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
Оснащение автодорог связью осложняют практически полное отсутствие придорожной инфраструктуры, включая линии электропередач, а также сложный рельеф местности. При возникновении аварийных ситуаций на такого рода загородных трассах жители вынуждены обращаться за помощью в ближайших населенные пункты, обеспеченныe связью. Поэтому обеспечение загородных трасс связью является ключевой социальной задачей. На примере существующей базовой станции в данной статье выполнены расчеты затуханий и дальности распространения радиосигнала для технологии LTE и технологии GSM, дается сравнительный анализ, используются методы математического моделирования и системного анализа.
Ключевые слова: LTE, GSM, модель Окумура-Хата, модель Ли, модель Лонгли-Райса
В статье рассматривается применение рекуррентной нейронной сети в задаче прогнозирования загрязняющих веществ в воздухе на основе фактических данных в виде временного ряда. Приводится описание архитектуры сети, применяемый метод обучения и способ формирования обучающих и проверочных данных. При обучении использовался набор данных, состоящий из 126 измерений различных компонент. В результате была проведена оценка качества выводов полученной модели и были вычислены усредненные коэффициенты метрики MSE.
Ключевые слова: загрязнения воздуха, прогнозирование, нейронные сети, машинное обучение, рекуррентная сеть, анализ временных рядов
2.1.10 - Экологическая безопасность строительства и городского хозяйства , 2.3.1 - Системный анализ, управление и обработка информации