Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2025); Белокуриха; Белокуриха
Год издания: 2025
Ключевые слова: pm2.5, lstm, временные ряды, загрязнение атмосферы, машинное обучение, модели прогноза, красноярск, time series, air pollution, machine learning, prediction models, Krasnoyarsk
Аннотация: В работе предложена нейросетевая модель LSTM для прогнозирования концентрации PM2.5 в атмосфере г. Красноярска с использованием метеоданных с наземных постов мониторинга. LSTM показала лучшее качество прогноза при сравнении с регрессионными, временных рядов ARIMA и ARIMAX, ансамблевыми и бустинговыми моделями по метрикам ≤ 1.63 мкПоказать полностьюг/м³ и ² ≥ 0.99. Наилучшие результаты достигнуты при сезонном разделении данных. Решение актуально для экологического мониторинга г. Красноярска. The study proposes an LSTM neural network model for forecasting PM2.5 concentration in the atmosphere of Krasnoyarsk using meteorological data from ground monitoring stations. Comparison with regression, time series models ARIMA/ARIMAX, ensemble and boosting models demonstrated the superiority of LSTM in terms ≤ 1.63 mkg/m³, ² ≥ 0.99. The best results were achieved through seasonal data splitting. This solution holds practical significance for environmental monitoring in Krasnoyarsk.
Журнал: Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2025)
Номера страниц: 51-53
Место издания: Новосибирск