У роботі розв'язано актуальне наукове завдання – розроблення методів і програмного засобу з використанням нейроподібних структур з неітеративним навчанням для підвищення точності прогнозування параметрів забруднення атмосферного повітря, які орієнтовані на мобільні та вбудовані пристрої. Вперше розроблено метод уведення додаткових атрибутів – маркерів кластерів у вектори входів, що забезпечило підвищення точності заповнення пропущених показників параметрів забруднення атмосферного повітря. Вперше розроблено метод короткотермінового прогнозування параметрів забруднення атмосферного повітря, який за рахунок використання комітету лінійних і нелінійних нейроподібних структур для часткового коректування окремо додатних і від'ємних відхилень від точних значень, забезпечив збільшення горизонту прогнозування часових послідовностей. Удосконалено метод функційного розширення входів Йох-Хан Пао шляхом застосування раціональних дробів, що забезпечило підвищення точності заповнення пропущених значень параметрів забруднення атмосферного повітря за рахунок зниження відхилень в точках екстраполяції. Отримав подальший розвиток метод побудови матриці коефіцієнтів лінійних поліномів, створеної шляхом їх ідентифікації за результатами навчання лінійної нейроподібної структури моделі послідовних геометричних перетворень, що забезпечило зменшення затрат пам'яті під час прогнозування параметрів забруднення атмосферного повітря. Розроблено програмний засіб з набором бібліотек реалізацій методів прогнозування параметрів забруднення повітряного середовища на мобільних та вбудованих пристроях, зокрема в умовах пропусків у даних моніторингу атмосферного повітря.

Постачальник даних: УкрІНТЕІ (Український Інститут науково-технічної експертизи та Інформації)

  Завантажити автореферат