Применение нейронных сетей для построения модели прогнозирования состояния городской воздушной среды - Статья

бесплатно 0
4.5 190
Характеристика процессов распространения загрязняющих веществ в атмосфере. Описание нейросетевых моделей прогнозирования и определение их эффективности. Пример построения структуры нейронной сети для прогнозирования распределения диоксида азота.

Скачать работу Скачать уникальную работу

Чтобы скачать работу, Вы должны пройти проверку:


Аннотация к работе
Применение нейронных сетей для построения модели прогнозирования состояния городской воздушной средыСуществующие модели и методики прогнозирования распространения загрязняющих веществ в атмосфере предполагают наличие сложных систем аналитических уравнений, описывающих динамику распространения примеси. 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. 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)». 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.

Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность
своей работы


Новые загруженные работы

Дисциплины научных работ





Хотите, перезвоним вам?