Naslov
Primjena dubokih neuronskih mreža za predviđanje dnevne koncentracije lebdećih čestica u zraku
(Application of deep neural networks for the prediction of particulate matter concentration in the air)

Autori
Petrić Valentino

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski

Fakultet
Fakultet kemijskog inženjerstva i tehnologije

Mjesto
Zagreb

Datum
14.07

Godina
2022

Stranica
56

Mentor
Ujević Andrijić, Željka

Ključne riječi
lebdeće čestice, strojno učenje, Graz, zaštita okoliša, meteorološki podaci, promet
(particulate matter, machine learning, Graz, environmental protection, meteorological data, traffic)

Sažetak
Cilj ovog rada je razviti modele za procjenu koncentracije lebdećih čestica u zraku pomoću metoda umjetne inteligencije. U radu su primijenjene metoda nasumičnih šuma i metoda neuronskih mreža koristeći programski jezik Python i pripadajuće knjižnice. Mjerni podaci korišteni u ovom radu odnose se na austrijski grad Graz čiji su meteorološki podaci mjereni na pet postaja u gradu: Sjever, Istok, Zapad, Jug i Don Bosco. Uz meteorološke podatke na postajama je mjerena i koncentracija lebdećih čestica u zraku. Uz lokalne meteorološke podatke korišteni su i satelitski podaci preuzeti sa stranice Climate Data Store. Koristeći lokalne i satelitske podatke razvijeni su modeli za svih pet postaja te je ispitivano koji podaci će pridonijeti boljoj kvaliteti modela. Rezultati su pokazali da su modeli razvijeni sa lokalnim meteorološkim podacima nešto točniji u usporedbi s modelima razvijenih sa satelitskim meteorološkim podacima. U ovom radu se ispitivalo i kako podaci za promet mjereni na šesnaest prometnica u gradu utječu na koncentraciju lebdećih čestica. Uvođenjem prometa kao dodatne ulazne varijable za razvoj modela postignuto je poboljšanje kvalitete modela posebno na skupu s lokalnim podacima. U konačnici su se svi dostupni podaci spojili u dva skupa, pri čemu su prvi skup činili lokalni i satelitski meteorološki podaci, a drugi skup su činili lokalni i satelitski meteorološki podaci kojima je pridodan i promet. Kod algoritma nasumičnih šuma skup sa svim podacima, tj. skup sa lokalnim i satelitskim meteorološkim podacima i prometom se pokazao najboljim, dok je kod algoritma neuronskih mreža taj skup bio nešto lošiji od skupa s lokalnim meteorološkim podacima i prometom. Razvijeni modeli pokazali su zadovoljavajuću točnost te se u budućnosti mogu primijeniti za predviđanje koncentracije lebdećih čestica na novim skupovima podataka.

Izvorni jezik
Hrvatski

Znanstvena područja
Kemijsko inženjerstvo

POVEZANOST RADA