Библиографическое описание:НЕЙРОСЕТЕВАЯ МОДЕЛЬ ВРЕМЕННЫХ РЯДОВ ДЛЯ ПРОГНОЗИРОВАНИЯ КОНЦЕНТРАЦИИ ЗАГРЯЗНЯЮЩИХ ВЕЩЕСТВ В АТМОСФЕРЕ Г. КРАСНОЯРСКА : доклад, тезисы доклада / О. С. Володько, Н. А. Лев, Д. В. Полянчикова. - [Б. м. : б. и.], 2025. - Текст : непосредственный // Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2025) : Сборник трудов X Всероссийской конференции с международным участием, посвященной памяти академика Ю.И. Шокина / Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2025) (2025 ; 26.08 - 29.08 ; Белокуриха). - Новосибирск, 2025. - С. 51-53. - ISBN 9785905569289.
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 мкг/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.
