РЕШЕНИЕ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ГОРОДА НЕЙРОЭВОЛЮЦИОННЫMИ АЛГОРИТМАМИ

Перевод названия: SOLVING THE PROBLEM OF CITY ECOLOGY FORECASTING WITH NEURO-EVOLUTIONARY ALGORITHMS

Тип публикации: статья из журнала

Год издания: 2015

Ключевые слова: artificial neural networks, ensembles, evolutionary algorithms, Time series prediction, city ecology analysis, искусственные нейронные сети, эволюционные алгоритмы, прогнозирование временных рядов, анализ экологической ситуации в городе, коллективы

Аннотация: Рассматривается решение задачи прогнозирования экологического состояния города в зависимости от химического состава воздуха. Описывается процедура решения данной задачи при помощи искусственных нейронных сетей, выращенных эволюционными алгоритмами. Представлены некоторые из модификаций эволюционных алгоритмов, которые позволяют повысить эффективность предсказания. Также с целью повышения эффективности рассматривается коллективный подход к построению нейросетевых предикторов. Были описаны существующие сегодня методы формирования коллективов интеллектуальных информационных технологий. Представлено сравнение их эффективности на ряде тестовых задач. Предлагается модифицированный подход к проектированию коллективов искусственных нейронных сетей, отличающийся от известных комбинированным использованием существующих схем и методов организации коллектива. В описании решаемой задачи подчеркивается проблема наличия большого количества пропусков в таблице данных. Для ее решения используется модифицированный метод генетического программирования. Показана полезность использования данной процедуры при решении поставленной задачи. Тестирование показывает эффективность предложенного подхода по сравнению с базовой и коллективной моделями. Одно из приложений разработанного алгоритма - предсказание временных рядов. Многие технические системы содержат большое количество динамических параметров, отслеживание и предсказание которых является важной задачей. Ракетно-космическая техника не является исключением, а потому описанный алгоритм является для нее полезным инструментом анализа данных. Разработанный подход может являться как средством создания самостоятельных предикторов, так и средством комбинирования уже существующих. Показано, что такой подход позволяет увеличить точность итоговых моделей.

Ссылки на полный текст

Издание

Журнал: Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева

Выпуск журнала: Т.16, 1

Номера страниц: 137-142

ISSN журнала: 18169724

Место издания: Красноярск

Издатель: Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева

Авторы

  • Хритоненко Д.И. (Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева)
  • Семенкин Е.С. (Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева)
  • Сугак Е.В. (Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева)
  • Потылицына Е.Н. (Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева)

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.