Применение нейронных сетей для построения модели прогнозирования состояния городской воздушной среды



Скачать 47.27 Kb.
Дата02.05.2016
Размер47.27 Kb.
Применение нейронных сетей для построения модели прогнозирования состояния городской воздушной среды
Н.К1Плуготаренко, А.Н. 2Варнавский
1Южный федеральный университет, г. Ростов-на-Дону

2ФБГОУ ВПО «Рязанский государственный радиотехнический университет»
Контроль качества воздушной городской среды играет большую роль в достижении благоприятной экологической обстановки. Данный вид контроля осуществляется посредством мониторинга воздушной среды и различных методов прогнозирования распределения загрязнений, среди которых метод нейросетевого моделирования один из наиболее перспективных.

Существующие модели и методики прогнозирования распространения загрязняющих веществ в атмосфере предполагают наличие сложных систем аналитических уравнений, описывающих динамику распространения примеси. Процессы распространения загрязнений имеют случайный характер, плохо воспроизводимы и обладают нестационарностью, что затрудняет аналитическое описание. Все существующие модели и методики принимают допущения о постоянстве метеоусловий, что противоречит действительности. Учет особенностей процесса загрязнения атмосферы в условиях неполных метеоданных и данных об источниках загрязнения может быть достигнут путем применения нейросетевых моделей прогнозирования, получивших широкое распространение в различных областях знаний.

Основным достоинством искусственных нейронных сетей является способность к обучению на основе имеющейся оперативной выборки. Кроме того, обученные нейронные сети можно дообучать, использую постоянно поступающие фактические данные о загрязнении и метеоусловиях [1-3].

В данной работе в качестве входных переменных выбраны скорость ветра (U, м/с), направление ветра (W, град.), температура воздуха (T, ºС), концентрация загрязнителя, рассчитанная по программе УПРЗА «Эколог» (Ср, мг/м3). УПРЗА «Эколог» версия 3.0, вариант «Стандарт» с блоком учета влияния застройки позволяет рассчитать приземные концентрации загрязняющих веществ в атмосфере в соответствии с «Методикой расчета концентраций в атмосферном воздухе вредных веществ, содержащихся в выбросах промышленных предприятий (ОНД-86)». Сеть обучалась по данным мониторинга атмосферного воздуха г. Таганрога. Моделирование было проведено только в условиях ясной погоды, т.к. измерения концентраций загрязнителей при наличии осадков не производились. Вектор входных данных содержит более 1000 примеров. Реализация модели осуществлялась в программной среде Matlab с использованием приложения Neural Network Toolbox.

В рамках работы были проанализированы восемь типов нейронных сетей: каскадная сеть с прямым распространением сигнала и обратным распространением ошибки; сеть с прямым распространением сигнала и обратным распространением ошибки; сеть с запаздыванием и обратным распространением ошибки; обобщенная регрессионная сеть; радиальная базисная сеть с нулевой ошибкой; радиальная базисная сеть с минимальным числом нейронов; сеть Элмана с обратным распространением ошибки.

Для определения эффективности исследуемых нейронных сетей использовалась среднеквадратичная ошибка, усредненная по количеству выходных переменных нейронной сети и рассчитываемая на основе прогнозируемых и реальных значений тестовой выборки по формуле:



(1)

где - значение i-й выходной переменной нейронной сети для j-го обучающего или тестового примера; - прогнозируемое значение i-й выходной переменной нейронной сети для j-го обучающего или тестового примера; N – количество примеров в обучающей или тестовой выборке; K – количество выходных переменных нейронной сети.

При создании модели, опираясь на результаты расчета среднеквадратичной ошибки, был осуществлен выбор оптимальной конфигурации нейронной сети для поставленной задачи. Выбран алгоритм обучения методом Левенберга-Маркара и каскадная сеть с прямым распространением сигнала и обратным распространением ошибки с 11 нейронами. Структура выбранной сети, отображаемая в программной среде Matlab представлена на рисунке 1.

Рисунок 1 - Структура каскадной сети с прямым распространением сигнала и обратным распространением ошибки


Структура, отображающая входные и выходные параметры нейронной сети для прогнозирования распределения диоксида азота в атмосферном воздухе города Таганрога представлена на рис. 2.

Рисунок 2 - Структура нейронной сети для прогнозирования распределения диоксида азота. U - скорость ветра, м/с, W - направление ветра , град.; T - температура воздуха , ºС;Ср - концентрация загрязнителя, рассчитанная по программе «Эколог-город», мг/м3;С – концентрация загрязнителя, рассчитанная по нейросетевой модели, мг/м3; i, j – координаты точек


Решение задачи визуализации данных, полученных в ходе расчетов концентрации диоксида азота в атмосферном воздухе г. Таганрога было осуществлено с помощью программного пакета ArcGis. Данный программный продукт позволяет создавать привязку полученных данных с учетом реальных распределений концентраций к карте города, с возможностью получения информации по отобранным параметрам: загрязнения в конкретной точке, с конкретными метеорологическими параметрами, по конкретному виду загрязнений. Пример визуализации прогноза с заданными параметрами представлен на рис. 3.

Рисунок 3 - Карта распределения концентраций для диоксида азота в приземном слое атмосферы г. Таганрога при северо-восточном ветре со скоростью 0.5-3 м/с,

температура 15-25 ºС
Таким образом, применение нейронных сетей позволяет построить прогностическую модель распределения загрязнителей в атмосферном воздухе при учете различных метеорологических условий и вклада промышленных предприятий в загрязнение воздушного бассейна города, что дает возможность своевременного реагирования и принятия управленческих решений.

Исследование выполнено при поддержке Министерства образования и науки Российской Федерации, соглашение 14.А18.21.2097 «Разработка автоматизированной системы мониторинга для контроля и прогнозирования состояния окружающей среды».


Список литературы:
1. Савицкая Т.В., Дударов С.П., Егоров А.Ф., Левушкин А.С. Использование искусственных нейронных сетей для прогнозирования загрязнения атмосферного воздуха аварийными источниками при изменяющихся метеоусловиях. // Экологические системы и приборы. 2007. № 10. С. 45-50.

2. Белов И.В., Беспалов М.С., Клочкова Л.В., Павлова Н.К, Сузан Д.В., Тишкин В.Ф. Сравнительный анализ некоторых математических моделей для процессов распространения загрязнений в атмосфере. // Математическое моделирование, 1999, т. 11, №7.



3. Царегородцев В.Г., Погребная Н.А. Нейросетевые методы обработки информации в задачах прогноза климатических характеристик и лесорастительных свойств ландшафтных зон. // Методы нейроинформатики. Красноярск.: Издательство КГТУ, 1998, с. 65-107.



База данных защищена авторским правом ©ekollog.ru 2017
обратиться к администрации

войти | регистрация
    Главная страница


загрузить материал