Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних
Kilauea is one of the most active and well-known volcanoes in the world and most of our knowledge of volcanism originates from its research. During a long study of volcanoes, many different methods of forecasting their activity were proposed, from the seismological analysis to the statistical analys...
Збережено в:
| Дата: | 2019 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2019
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/181465 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-181465 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-1814652020-03-02T17:05:10Z Forecasting SO2 emission of Kilauea volcano using intelligent method of data analysis Прогнозирование эмиссии SO2 вулкана Килауэа с использованием интеллектуального метода анализа данных Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних Zabielin, Stanislav neural networks volcanology fuzzy logic LSTM нейронні мережі вулканологія нечітка логіка LSTM нейронные сети вулканология нечеткая логика LSTM Kilauea is one of the most active and well-known volcanoes in the world and most of our knowledge of volcanism originates from its research. During a long study of volcanoes, many different methods of forecasting their activity were proposed, from the seismological analysis to the statistical analysis of their emissions. However, a comprehensive analysis of data arrays with the help of intelligent methods of data analysis has not been carried out before. Using fuzzy data processing methods, a neural network, volcanic and atmospheric indicators, we forecast emissions SO2 for a period of one to three months. Килауэа является одним из самых активных и известных вулканов в мире, и большая часть знаний о вулканизме основывается на исследованиях. Во время длительного изучения вулканов было предложено много различных методов прогнозирования их активности от сейсмологического анализа до статистического анализа их выбросов. Однако комплексный анализ массивов данных с помощью интеллектуальных методов анализа данных ранее не проводился. С использованием нечетких методов обработки данных, нейронной сети, вулканических и атмосферных показателей спрогнозированы выбросы SO2 на период от одного до трех месяцев. Кілауеа є одним з найактивніших і відомих вулканів у світі, і велика частина знань про вулканізм ґрунтується на його дослідженнях. Під час тривалого вивчення вулканів запропоновано багато різних методів прогнозування їх активності, від сейсмологічного аналізу до статистичного аналізу їх викидів. Однак комплексний аналіз масивів даних за допомогою інтелектуальних методів аналізу даних раніше не проводився. Із використанням нечітких методів оброблення даних, нейронної мережі, вулканічних і атмосферних показників спрогнозовано викиди SO2 на період від одного до трьох місяців. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019-12-23 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/181465 10.20535/SRIT.2308-8893.2019.4.03 System research and information technologies; No. 4 (2019); 30-38 Системные исследования и информационные технологии; № 4 (2019); 30-38 Системні дослідження та інформаційні технології; № 4 (2019); 30-38 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/181465/189973 Copyright (c) 2021 System research and information technologies |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
English |
| topic |
neural networks volcanology fuzzy logic LSTM нейронні мережі вулканологія нечітка логіка LSTM нейронные сети вулканология нечеткая логика LSTM |
| spellingShingle |
neural networks volcanology fuzzy logic LSTM нейронні мережі вулканологія нечітка логіка LSTM нейронные сети вулканология нечеткая логика LSTM Zabielin, Stanislav Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних |
| topic_facet |
neural networks volcanology fuzzy logic LSTM нейронні мережі вулканологія нечітка логіка LSTM нейронные сети вулканология нечеткая логика LSTM |
| format |
Article |
| author |
Zabielin, Stanislav |
| author_facet |
Zabielin, Stanislav |
| author_sort |
Zabielin, Stanislav |
| title |
Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних |
| title_short |
Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних |
| title_full |
Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних |
| title_fullStr |
Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних |
| title_full_unstemmed |
Прогнозування емісії SO2 вулкана Кілауеа з використанням інтелектуального методу аналізу даних |
| title_sort |
прогнозування емісії so2 вулкана кілауеа з використанням інтелектуального методу аналізу даних |
| title_alt |
Forecasting SO2 emission of Kilauea volcano using intelligent method of data analysis Прогнозирование эмиссии SO2 вулкана Килауэа с использованием интеллектуального метода анализа данных |
| description |
Kilauea is one of the most active and well-known volcanoes in the world and most of our knowledge of volcanism originates from its research. During a long study of volcanoes, many different methods of forecasting their activity were proposed, from the seismological analysis to the statistical analysis of their emissions. However, a comprehensive analysis of data arrays with the help of intelligent methods of data analysis has not been carried out before. Using fuzzy data processing methods, a neural network, volcanic and atmospheric indicators, we forecast emissions SO2 for a period of one to three months. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2019 |
| url |
http://journal.iasa.kpi.ua/article/view/181465 |
| work_keys_str_mv |
AT zabielinstanislav forecastingso2emissionofkilaueavolcanousingintelligentmethodofdataanalysis AT zabielinstanislav prognozirovanieémissiiso2vulkanakilauéasispolʹzovaniemintellektualʹnogometodaanalizadannyh AT zabielinstanislav prognozuvannâemísííso2vulkanakílaueazvikoristannâmíntelektualʹnogometoduanalízudanih |
| first_indexed |
2024-04-08T15:07:30Z |
| last_indexed |
2024-04-08T15:07:30Z |
| _version_ |
1795779566874132480 |