| Наименование статьи | Сравнительный анализ нейросетевых моделей для прогноза динамики концентраций парниковых газов в приземном слое атмосферного воздуха острова Белый |
|---|
| Страницы | 53-63 |
|---|
| Аннотация | В последние годы применение технологий на основе машинного обучения все более актуально для мониторинга выбросов парниковых газов в Арктике, где наблюдаются интенсивная деградация многолетнемерзлых пород и увеличение выбросов метана в атмосферу. В настоящей работе созданы и сравнены модели на основе рекуррентных и графовой нейронных сетей для прогнозирования динамики концентраций основных парниковых и угарного газов в приземном слое атмосферного воздуха арктического острова Белый (Россия, Ямало-Ненецкий автономный округ). Исходный набор данных представлял собой измерения приземной концентрации четырех газов за летние месяцы 2016—2017 гг.: углекислого газа, метана, угарного газа и водяного пара. Для прогнозирования при помощи графового метода использовалась модель Multivariate Time Series Graph Neural Network (MTGNN), прогнозирование при помощи рекуррентного метода производилось при помощи моделей Long Short-Term Memory (LSTM) и Long Short-Term Memory Network (LSTNet). Точность прогноза моделей оценивалась при помощи следующих метрик: средней абсолютной ошибки MAE, среднеквадратической ошибки RMSE, нормализованной среднеквадратической ошибки NRMSE, коэффициента корреляции Corr. В целом модель MTGNN продемонстрировала более низкие значения ошибок по сравнению с рекуррентными моделями. У MTGNN по сравнению с LSTM и LSTNet ошибки ниже на 25—55%. Более точная графовая модель потребовала значительно большего времени для обучения и имела существенно большее количество параметров для оптимизации. |
|---|
| Ключевые слова | парниковые газы, прогноз, временны́е ряды, нейронные сети, графовые нейронные сети, LSTM |
|---|
| Журнал | Арктика: экология и экономика |
|---|
| Номер выпуска | 1 |
|---|
| Автор(ы) | Бобаков В. С., Буевич А. Г., Буторова А. С., Сергеев А. П. |
|---|