ОЦЕНКА КАЧЕСТВА ЗАГРЯЗНЕНИЯ ВОЗДУХА С ПРИМЕНЕНИЕМ ИНТЕЛЛЕКТУАЛЬНЫХ МЕТОДОВ
DOI:
https://doi.org/10.52167/1609-1817-2023-127-4-252-261Ключевые слова:
загрязнение воздуха, интеллектуальные методы, машинное обучение (МО), оценка качества, предельно допустимая концентрация (ПДК)Аннотация
В Казахстане загрязнение воздуха является растущей проблемой. В стране один из самых высоких уровней загрязнения воздуха в мире, а в некоторых городах уровень качества воздуха превышает нормы Всемирной организации здравоохранения (ВОЗ) до 10 раз. Основными источниками загрязнения воздуха в Казахстане являются промышленные выбросы, выхлопы транспортных средств, сжигание угля и биомассы, а также пыль от строительных площадок. В стране предприняты шаги по снижению загрязнения воздуха, включая введение более строгих стандартов выбросов для транспортных средств и разработку национального плана действий по обеспечению качества воздуха. В данной статье рассматриваются вопросы изучения и применения интеллектуальных методов для моделирования загрязнения воздуха и оценки его качества. Целью исследования является моделирование загрязненности воздушного бассейна на основе применения интеллектуальных методов. Применены интеллектуальные методы и определены наилучшие из них для прогнозирования концентраций загрязнения воздуха. Алгоритмы машинного обучения Decision Tree и Random Forest достигли наибольшей точности по классификатору 91%.
Библиографические ссылки
[1] Hassan, R., Rahman, M., Hamdan, A. Assessment of air quality index (AQI) in Riyadh, Saudi Arabia (2022) IOP Conference Series: Earth and Environmental Science, p. 1026 https://iopscience.iop.org/journal/1755-1315 doi: 10.1088/1755-1315/1026/1/012003
[2] Dong,T., Zhao,J., Hu,Y.AQI rank prediction based on space-time optimized deep neural network (2017) Comput. Eng. Appl., (21), p. 17.
[3] Marques, G., Saini, J., Dutta, M., Singh, P.K., Hong, W.-C. Indoor air quality monitoring systems for enhanced living environments: A review toward sustainable smart cities (2020) Sustainability (Switzerland), p.12 https://www.mdpi.com/2071-1050/12/10/4024 doi: 10.3390/SU12104024
[4] Y. Zhang, Z. Li. Remote sensing of atmospheric fine particulate matter (PM2. 5) mass concentration near the ground from satellite observation Remote Sensing of Environment, 160 (2015), pp. 252-262
[5] J. Zhao, F. Deng, Y. Cai, J. Chen Long short-term memory-Fully connected (LSTM-FC) neural network for PM2. 5 concentration prediction Chemosphere, 220 (2019), pp. 486-492
[6] Elangasinghe, et al., 2014 M.A. Elangasinghe, N. Singhal, K.N. Dirks, J.A. Salmond Development of an ANN–based air pollution forecasting system with explicit knowledge through sensitivity analysis Atmospheric Pollution Research, 5 (2014), pp. 696-708
[7] Vajs I, Drajic D, Gligoric N, Radovanovic I, Popovic I. Developing relative humidity and temperature corrections for low-cost sensors using machine learning. Sensors. (2021) 21:3338. doi: 10.3390/s21103338
[9] V.N. Dymnikov, E.M. Lykosov, V.P. Volodin. Bulletin of the Russian Academy of Sciences climatemodeling and its changes: modern problems, 2016, vol. 82, no. 3, p. 227–236.
[10] V.E. Fodor, J. Рájer. “Application of Environmental Information Systems in Environmental Impact Asessment.” Acta Silv. Lign. Hung. – 2017. – Vol. 13, N. 1. – Р.55–67.
[11] L. Naizabayeva, Ch. Nurzhanov, J. Orazbekov, G. Tleuberdiyeva. “Corporate environmental information system data storage development and management.” Central European Journal Open Computer Science; Online ISSN 2299-1093; 7:29-35 pp 24-30. Web of Science Score Collection and Scopus, 2018.
[12] L. Naizabayeva, M.S. Arinova. “Intellectual analysis and prediction of toxic elements in soil.” International Journal of Information and Communication Technologies, Volume 2, Issue 1. March 2021, pp.40-47.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Ляззат Найзабаева, Гульбахыт Сембина, Нұргүл Сейілова, Айгуль Бисаринова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
