Prediction of Air Pollutant Concentrations by Selected Neural Network Architectures

Terézia Kurucová; Alžbeta Andrejková; Viktor Pristaš; Ľubomír Antoni; Gabriel Semanišin

doi:10.31449/upinf.277

Avtorji

Terézia Kurucová Pavol Jozef Šafárik University in Košice, Faculty of Science
Alžbeta Andrejková Pavol Jozef Šafárik University in Košice, Faculty of Science
Viktor Pristaš Pavol Jozef Šafárik University in Košice, Faculty of Science
Ľubomír Antoni Pavol Jozef Šafárik University in Košice, Faculty of Science
Gabriel Semanišin Pavol Jozef Šafárik University in Košice, Faculty of Science

DOI:

https://doi.org/10.31449/upinf.277

Ključne besede:

onesnaženje zraka, PM10, emisije CO2, nevronske mreže, napovedovanje

Povzetek

Onesnaženost zraka trenutno predstavlja pomemben okoljski izziv z neposrednim vplivom na javno zdravje in ekosisteme. Eden od ciljev tega prispevka je napovedovanje koncentracije trdnih delcev PM10 in CO2 v zraku z uporabo metod strojnega učenja, zlasti z uporabo različnih vrst nevronskih mrež, vključno s povratnimi, konvolucijskimi in rekurentnimi modeli. Cilj je tudi primerjava učinkovitosti teh arhitektur pri obdelavi enodimenzionalnih časovnih vrst z različno časovno ločljivostjo (mesečno, urno). Študija uporablja realne podatke Slovaškega hidrometeorološkega inštituta (SHMÚ) ter modelirane emisije iz baze podatkov EDGAR. Modeli so bili učeni, optimizirani in ocenjeni z uporabo standardnih metrik napak. Rezultati so pokazali, da so modeli Conv1D dosegli najvišjo natančnost pri urnih podatkih PM10, medtem ko so povratne arhitekture dosegle najboljše rezultate pri mesečnih nacionalnih podatkih CO2. Ugotovitve potrjujejo potencial metod umetne inteligence kot orodja za okoljsko spremljanje in podporo odločanju pri varovanju kakovosti zraka. Obravnavane so tudi možnosti razširitve modelov z meteorološkimi spremenljivkami ter njihova uporaba v sistemih zgodnjega opozarjanja v realnem času.

Biografije avtorja

Terézia Kurucová, Pavol Jozef Šafárik University in Košice, Faculty of Science

Terézia Kurucová je študentka magistrskega študija analize podatkov in umetne inteligence na Naravoslovni fakulteti Univerze Pavla Jozefa Šafárika v Košicah. Njena raziskovalna področja se osredotočajo na strojno učenje, analizo časovnih vrst in modeliranje okoljskih podatkov. Aktivno sodeluje pri projektih, povezanih s spremljanjem kakovosti zraka in uporabo nevronskih mrež.
Alžbeta Andrejková, Pavol Jozef Šafárik University in Košice, Faculty of Science

Alžbeta Andrejková je študentka magistrskega študija uporabne informatike na Naravoslovni fakulteti Univerze Pavla Jozefa Šafárika v Košicah. Specializira se za analizo podatkov, napovedno modeliranje in tehnike umetne inteligence. Njeno akademsko delo se osredotoča na obdelavo okoljskih podatkov in ocenjevanje arhitektur nevronskih mrež za naloge napovedovanja. Sodeluje v študentskih raziskovalnih dejavnostih in projektih uporabne umetne inteligence.
Viktor Pristaš, Pavol Jozef Šafárik University in Košice, Faculty of Science

Viktor Pristaš je doktorski študent računalništva na Naravoslovni fakulteti Univerze Pavla Jozefa Šafárika v Košicah. Njegove raziskave se osredotočajo na napredne metode strojnega učenja in napovedovanje časovnih vrst, zlasti na okoljskem in ekološkem področju. Prispeval je k več znanstvenim publikacijam in raziskovalnim projektom, ki obravnavajo modeliranje energetike in inteligentno analizo podatkov.
Ľubomír Antoni, Pavol Jozef Šafárik University in Košice, Faculty of Science

Ľubomír Antoni je izredni profesor na Inštitutu za računalništvo Naravoslovne fakultete Univerze Pavla Jozefa Šafárika v Košicah. Njegova raziskovalna področja vključujejo umetno inteligenco, mehke sisteme, podatkovno rudarjenje in uporabno strojno učenje.
Gabriel Semanišin, Pavol Jozef Šafárik University in Košice, Faculty of Science

Gabriel Semanišin je profesor računalništva na Naravoslovni fakulteti Univerze Pavla Jozefa Šafárika v Košicah. V okviru svojih raziskovalnih dejavnosti se osredotoča predvsem na algoritemsko teorijo grafov in njeno uporabo na različnih področjih teoretične in uporabne informatike. Je so-garant študijskih programov Uporabna informatika, Analiza podatkov in umetna inteligenca ter Računalništvo. Bil je mentor 6 doktorskim študentom v študijskih programih Računalništvo, Diskretna matematika in Teorija poučevanja informatike.