ҚАЛАЛЫҚ АҚЫЛДЫ ҚАЛА ОРТАСЫНДАҒЫ АУА САПАСЫ ДАТЧИКТЕРІНІҢ ЭМУЛЯЦИЯСЫ
DOI:
https://doi.org/10.54668/2789-6323-2024-114-3-87-99Кілт сөздер:
ауа сапасы, ақылды қала, машиналық оқытуАңдатпа
Қалалық ауаның ластануы адам денсаулығына үлкен қауіп төндіреді. Оны бақылау үшін PM1, PM2.5, PM10 шаң бөлшектерінің және органикалық қосылыстардың концентрациясын бағалау үшін жеке сенсорлар да, жүйелер де қолданылады. Бірақ сенсорлық жүйенің сенімділігі 100 пайыз бола алмайды. Кейде бөлінген жүйедегі белгілі бір сенсорлар істен шығады. Осы себепті, қалған сенсорлардың көрсеткіштеріне негізделген олардың көрсеткіштерін эмуляциялау өте пайдалы. Жұмыс деректер жиынтығын сипаттайды және деректерді жинау орындарындағы функционалды сенсорлардың көрсеткіштері мен ауа-райы жағдайларына негізделген, сәтсіз сенсордың көрсеткіштерін модельдейтін машиналық оқыту үлгісін ұсынады. Ластанудың жекелеген түрлері үшін мұндай эмуляцияның дәлдігі бағаланды (детерминация коэффициенті 0.43-тен 0.61-ге дейін).
References
Russell A., Ghalaieny M., Akhmetov K.K., Mukanov Y., McCann M., Vitolo C., Althonayan A. A spatial survey of environmental indicators for Kazakhstan: an examination of current conditions and future needs // International Journal of Environmental Research. – 2018. – Vol. 12. – P. 735-748. – DOI: https://doi.org/10.1007/s41742-018-0134-7
Международное информационное агентство «DKnews.kz». Казахстан в топ-позициях по уровню загрязнения. – URL: https://dknews.kz/ru/eksklyuzivdk/221987-kazahstan-v-top-poziciyah-po-urovnyuzagryazneniya (дата обращения 20.07.2023).
Kerimray A., Rojas-Solórzano L., Amouei Torkmahalleh M., Hopke P. K., Ó Gallachóir B.P. Coal use for residential heating: Patterns, health implications and lessons learned // Energy for Sustainable Development. – 2017. – Vol. 40. – P.19–30. – DOI:10.1016/j.esd.2017.05.005
Информационно-правовая системанормативных правовых актовРеспублики Казахстан «Әділет». О Стратегическом плане Министерства транспорта и коммуникаций Республики Казахстан на 2011 - 2015 годы. – URL: https://adilet.zan.kz/rus/docs/P1100000129 (дата обращения 21.07.2023).
KAZENERGY. Национальный энергетический доклад 2017 KAZENERGY. – URL: http://www.kazenergy.com/upload/document/energyreport/NationalReport17_ru.pdf (дата обращения 21.07.2023).
Kerimray A., Rocco M., Rojas-Solórzano L., Gallachoir B. Causes of energy poverty in a cold and resource-rich country: evidence from Kazakhstan // Local Environment. – 2017. – DOI: 10.1080/13549839.2017.1397613.
Karatayev M., Pedro R., Mourao Z.S., Konadu D.D., Nilay S., Michèle C. The water-energy-food nexus in Kazakhstan: challenges and opportunities // Energy Procedia. – 2017. – Vol.125. – P.63-70. – DOI: 10.1016/j.egypro.2017.08.064.
Current Pollution Index by City. – URL: ttps://www.numbeo.com/pollution/rankings_current.jsp (дата обращения 21.07.2023).
Kerimray A., Azbanbayev E., Kenessov B., Plotitsyn P., Alimbayeva D., Karaca, F. Spatiotemporal Variations and Contributing Factors of Air Pollutants in Almaty, Kazakhstan // Aerosol and Air Quality Research. – 2020. – Vol. 20. – P.1340-1352. – DOI:10.4209/aaqr.2019.09.0464.
Nugmanova D., Feshchenko Yu., Iashyna L., Gyrina O., Malynovska K., Mammadbayov E., Akhundova I., Nurkina N., Tariq L., Makarova J., Vasylyev A. The prevalence, burden and risk factors associated with chronic obstructive pulmonary disease in Commonwealth of Independent States (Ukraine, Kazakhstan and Azerbaijan): Results of the CORE study // BMC Pulmonary Medicine. – 2018. – 18. – DOI: 10.1186/s12890-018-0589-5.
Ke G., Meng Q., Finley T., Wang T., Chen W., Ma W., Ye Q., Liu T.-Y. Lightgbm. A highly efficient gradient boosting decision tree // Advances in neural information processing systems. – 2017. – Vol.30. – P.3149-3157.
Bentéjac C., Csörgő A., Martínez-Muñoz G. A comparative analysis of gradient boosting algorithms // Artificial Intelligence Review. – 2021. – Vol. 54. – P.1937-1967.
Chen T., Guestrin C. Xgboost: A scalable tree boosting system //Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining. – 2016. – P. 785-794.
Mukhamediev R., Amirgaliyev Y., Kuchin Y., Aubakirov M., Terekhov A., Merembayev T., Yelis M., Zaitseva E., Levashenko V., Popova Y., et al. Operational Mapping of Salinization Areas in Agricultural Fields Using Machine Learning Models Based on Low-Altitude Multispectral Images // Drones. – 2023. – Vol.7(357). https://doi.org/10.3390/drones7060357
Mukhamediev R.I., Kuchin Y., Amirgaliyev Y., Yunicheva N., Muhamedijeva E. Estimation of Filtration Properties of Host Rocks in Sandstone-Type Uranium Deposits Using Machine Learning Methods // IEEE Access. – 2022. – Vol.10. – P.18855–18872.
Mukhamediev R.I., Merembayev T., Kuchin Y., Malakhov D., Zaitseva E., Levashenko V., Popova Y., Symagulov A., Sagatdinova G., Amirgaliyev Y. Soil Salinity Estimation for South Kazakhstan Based on SAR Sentinel-1 and Landsat-8,9 OLI Data with Machine Learning Models // Remote Sens. – 2023. – Vol.15, 4269. – DOI:https://doi.org/10.3390/rs15174269
Mukhamediev R.I., Terekhov A., Sagatdinova G., Amirgaliyev Y., Gopejenko V., Abayev N., Kuchin Y., Popova Y., Symagulov A. Estimation of the Water Level in the Ili River from Sentinel-2 Optical Data Using Ensemble Machine Learning // Remote Sens. – 2023. – 15, 5544. – DOI: https://doi.org/10.3390/rs15235544
Lundberg S.M., Lee S.-I. A unified approach to interpreting model predictions // Adv. Neural Inf. Process. Syst. – 2017. – 30. – P.1–10.
Scikit-learn. Machine Learning in Python. Available online: https://scikit-learn.org/stable/ (accessed on 1 February 2024)
Scikit-optimize. Sequential model-based optimization in Python https://scikit-optimize.github.io/stable/ (accessed on 1 February 2024)
Raschka S. MLxtend: Providing machine learning and data science utilities and extensions to Python’s scientific computing stack // Journal of Open Source Software. – 2018. – 3. – 638. – DOI:10.21105/joss.00638.
Downloads
Жарияланды
How to Cite
Журналдың саны
Бөлім
License
Copyright (c) 2024 Гидрометеорология және экология
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
