Купить (625 RUB)
сгенерировать QR код
Открытый доступ
Доступ платный или только для Подписчиков
Использование искусственного интеллекта в качестве предиктивной модели распространения загрязняющих веществ в атмосферном воздухе
https://doi.org/10.18412/1816-0395-2025-2-56-59
Аннотация
Представлен опыт применения искусственного интеллекта (ИИ) для создания предиктивной модели распространения загрязняющих веществ в атмосферном воздухе на урбанизированной территории. Рассмотрены различные алгоритмы машинного обучения, их преимущества и недостатки в контексте прогнозирования качества воздуха. Исследованы возможности использования исторических данных, накопленных с 2021 г. по июнь 2024 г. о загрязнении атмосферного воздуха г.о. Тольятти, метеорологических условий, топографии и других факторов, влияющих на распространение загрязняющих веществ, для обучения моделей ИИ. Приведены результаты моделирования, демонстрирующие эффективность разработанной модели в прогнозировании уровней загрязнения в различных временных масштабах. Сделан вывод о значимости применения ИИ в области мониторинга качества воздуха и предложены практические рекомендации по использованию полученных результатов с целью оптимизации стратегий управления загрязнением и обеспечения экологической безопасности.
Об авторах
Д.М. Гусев
Тольяттинский государственный университет
Россия
Россия
канд. хим. наук, начальник лаборатории
П.А. Мельников
Тольяттинский государственный университет
Россия
Россия
канд. техн. наук, директор института химии и энергетики
В.А. Шашенко
Тольяттинский государственный университет
Россия
Россия
техник лаборатории
Список литературы
1. Riediker M., Cascio W.E, Griggs T.R. et al. Particulate Matter Exposure in Cars Is Associated with Cardiovascular Effects in Healthy Young Men. Am J Respir Crit Care Med. American Thoracic Society — AJRCCM. 2004. Vol. 169. No. 8. P. 934—940.
2. Ghio A.J., Huang Y.-C.T. Exposure to Concentrated Ambient Particles (CAPs). A Review. Inhalation Toxicology. Taylor & Francis, 2004. Vol. 16. No. 1. P. 53—59.
3. Uysal N., Schapira R.M. Effects of ozone on lung function and lung diseases. Current Opinion in Pulmonary Medicine. 2003. Vol. 9. No. 2. P. 144.
4. Nawrot T.S., Plusquin M., Hogervorst J., Poels H. et al. Environmental exposure to cadmium and risk of cancer: a prospective population-based study. Lancet Oncol. 2006. Vol. 7. No 2. P. 119—126. [Electronic resource]. URL:https://www.thelan cet.com/journals/lanonc/article/PIIS1470-2045(06)70545-9/abstract?isEOP=true (accessed 05.12.2024).
5. Vascular Effects of Ambient Pollutant Particles and Metals: Ingenta Connect [Electronic resource]. URL:https://www.ingentaconnect.com/content/ben/cvp/2006/00000004/00000003/art00004 (accessed 05.06.2024).
6. Al-Janabi S., Mohammad M., Al-Sultan A. A new method for prediction of air pollution based on intelligent computation. Soft Computing. Springer. 2020. Vol. 24. No. 1. P. 661—680.
7. Liu D. Lee Sh.‐J., Huang Y., Chiu C.‐J. Air pollution forecasting based on attention‐based LSTM neural network and ensemble learning. Expert Systems. 2020. Vol. 37. No. 3. P. e12511.
8. Iskandaryan D., Ramos F., Trilles S. Air quality prediction in smart cities using machine learning technologies based on sensor data. A review. Applied Sciences. MDPI, 2020. Vol. 10. No. 7. P. 2401.
9. Abdullah S., Ismail M., Ahmed A.N. Multi-layer perceptron model for air quality prediction. Malaysian Journal of Mathematical Sciences. 2019. Vol. 13. P. 85—95.
10. Lim Y.B., Aliyu I., Lim C.G. Air Pollution Matter Prediction Using Recurrent Neural Networks with Sequential Data. Proceedings of the 2019 3rd International Conference on Intelligent Systems, Metaheuristics & Swarm Intelligence. Male Maldives: ACM, 2019. P. 40—44.
11. Ecological atlas urban district of Togliatti, mobile laboratory. [Electronic resource]. URL:https://emgis.ru/atlas/mel.aspx (accessed 05.06.2024).
12. Breiman L. Hinging hyperplanes for regression, classification, and function approximation. IEEE Transactions on Information Theory. IEEE. 1993. Vol. 39. No. 3. P. 999—1013.
13. Huang X., Xu J., Wang S. Operation optimization for centrifugal chiller plants using continuous piecewise linear programming. 2010 IEEE International Conference on Systems, Man and Cybernetics. IEEE, 2010. P. 1121—1126.
Рецензия
Для цитирования:
Гусев Д., Мельников П., Шашенко В. Использование искусственного интеллекта в качестве предиктивной модели распространения загрязняющих веществ в атмосферном воздухе. Экология и промышленность России. 2025;29(2):56-59. https://doi.org/10.18412/1816-0395-2025-2-56-59
For citation:
Gusev D., Melnikov P., Shashenko V. Using Artificial Intelligence as a Predictive Model of Atmospheric Air Pollutant Distribution. Ecology and Industry of Russia. 2025;29(2):56-59. (In Russ.) https://doi.org/10.18412/1816-0395-2025-2-56-59
Просмотров:
173
Послать статью по эл. почте 