РЕШЕНИЕ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ЭКОЛОГИЧЕСКОГО СОСТОЯНИЯ ГОРОДА НЕЙРОЭВОЛЮЦИОННЫMИ АЛГОРИТМАМИ : научное издание

Описание

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 повПоказать полностьюысить 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