Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів
У роботі представлено математичну модель на основі методу групового урахування аргументів (МГУА) для оцінки даних про якість повітря на рівні землі за допомогою супутникових спостережень. Забруднення повітря є серйозною екологічною проблемою, яка має значний вплив на екосистеми, здоров’я людини та з...
Gespeichert in:
| Datum: | 2023 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine
2023
|
| Schlagworte: | |
| Online Zugang: | https://jais.net.ua/index.php/files/article/view/201 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Problems of Control and Informatics |
Institution
Problems of Control and Informatics| id |
oai:ojs2.jais.net.ua:article-201 |
|---|---|
| record_format |
ojs |
| institution |
Problems of Control and Informatics |
| baseUrl_str |
|
| datestamp_date |
2024-03-14T10:26:30Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
математичні моделі регресійна модель поліном Колмогорова–Габора метод групового урахування даних якість повітря супутникові дані кореляційний аналіз |
| spellingShingle |
математичні моделі регресійна модель поліном Колмогорова–Габора метод групового урахування даних якість повітря супутникові дані кореляційний аналіз Khaidurov, Vladyslav Yailymov, Bohdan Shelestov, Andrii Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| topic_facet |
математичні моделі регресійна модель поліном Колмогорова–Габора метод групового урахування даних якість повітря супутникові дані кореляційний аналіз mathematical models regression model Kolmogorov–Gabor polynomial group method of data handling air quality satellite data correlation analysis математические модели регрессионная модель полином Колмогорова-Габора метод группового учета данных качество воздуха спутниковые данные корреляционный анализ |
| format |
Article |
| author |
Khaidurov, Vladyslav Yailymov, Bohdan Shelestov, Andrii |
| author_facet |
Khaidurov, Vladyslav Yailymov, Bohdan Shelestov, Andrii |
| author_sort |
Khaidurov, Vladyslav |
| title |
Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| title_short |
Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| title_full |
Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| title_fullStr |
Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| title_full_unstemmed |
Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| title_sort |
модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів |
| title_alt |
Model of air quality assessment according to satellite data based on the group method of data handling Модель оценки качества воздуха по спутниковым данным на основе метода группового учета аргументов |
| description |
У роботі представлено математичну модель на основі методу групового урахування аргументів (МГУА) для оцінки даних про якість повітря на рівні землі за допомогою супутникових спостережень. Забруднення повітря є серйозною екологічною проблемою, яка має значний вплив на екосистеми, здоров’я людини та зміну клімату. Наземні мережі моніторингу якості повітря забезпечують прямі вимірювання рівня забруднення, але у багатьох регіонах світу обмежені кількістю станцій. Супутникове дистанційне зондування пропонує нові можливості для послідовного та детального моніторингу якості повітря як доповнення до наземних спостережень. Однак існують певні обмеження, включно з низьким просторовим розрізненням супутникових даних, невизначеностями вимірювань і низькою частотою зйомки. У цьому дослідженні розроблено модифіковану модель МГУА для співставлення даних супутникових спостережень з наземними даними про якість повітря для дрібних твердих частинок (PM2,5) і твердих частинок розміром менше 10 мк (PM10) у місті Києві, Україна. Модель оптимально реконструює нелінійні функціональні залежності між часовими рядами супутникових і наземних змінних, одночасно оптимізуючи загальну складність моделі. Проведено кілька обчислювальних експериментів на реальних наборах даних. Результати показали сильну кореляцію між прогнозованими та емпірично спостережуваними значеннями на незалежному 25 %-му тестовому зразку (досягнуто 0,8889 для PM2,5). Для оптимізованої моделі МГУА вимагалось у 2–3 рази менше параметрів, ніж для порівнюваної архітектури нейронної мережі, щоб досягти того самого рівня точності. Це демонструє здатність запропонованого підходу точно оцінювати концентрації забруднення на рівні землі з високою роздільною здатністю на основі супутникових даних, використовуючи МГУА-моделювання. Розроблена модель надає більш повну просторово-часову картину розподілу забруднення для значного покращення можливостей моніторингу навколишнього середовища, інформування громадськості та підтримки науково обґрунтованих політичних рішень щодо стратегій пом’якшення впливу забруднення на довкілля. У дослідженні підкреслюється, що злиття супутникових і наземних даних за допомогою моделювання МГУА дозволяє значно удосконалити можливості оцінки якості повітря, щоб краще зрозуміти дрібномасштабну динаміку забруднення, захистити населення та розробити ефективні рішення для захисту навколишнього середовища. |
| publisher |
V.M. Glushkov Institute of Cybernetics of NAS of Ukraine |
| publishDate |
2023 |
| url |
https://jais.net.ua/index.php/files/article/view/201 |
| work_keys_str_mv |
AT khaidurovvladyslav modelʹocínkiâkostípovítrâzasuputnikovimidaniminaosnovímetodugrupovogourahuvannâargumentív AT yailymovbohdan modelʹocínkiâkostípovítrâzasuputnikovimidaniminaosnovímetodugrupovogourahuvannâargumentív AT shelestovandrii modelʹocínkiâkostípovítrâzasuputnikovimidaniminaosnovímetodugrupovogourahuvannâargumentív AT khaidurovvladyslav modelofairqualityassessmentaccordingtosatellitedatabasedonthegroupmethodofdatahandling AT yailymovbohdan modelofairqualityassessmentaccordingtosatellitedatabasedonthegroupmethodofdatahandling AT shelestovandrii modelofairqualityassessmentaccordingtosatellitedatabasedonthegroupmethodofdatahandling AT khaidurovvladyslav modelʹocenkikačestvavozduhaposputnikovymdannymnaosnovemetodagruppovogoučetaargumentov AT yailymovbohdan modelʹocenkikačestvavozduhaposputnikovymdannymnaosnovemetodagruppovogoučetaargumentov AT shelestovandrii modelʹocenkikačestvavozduhaposputnikovymdannymnaosnovemetodagruppovogoučetaargumentov |
| first_indexed |
2025-10-30T02:48:47Z |
| last_indexed |
2025-10-30T02:48:47Z |
| _version_ |
1847373361200496640 |
| spelling |
oai:ojs2.jais.net.ua:article-2012024-03-14T10:26:30Z Модель оцінки якості повітря за супутниковими даними на основі методу групового урахування аргументів Model of air quality assessment according to satellite data based on the group method of data handling Модель оценки качества воздуха по спутниковым данным на основе метода группового учета аргументов Khaidurov, Vladyslav Yailymov, Bohdan Shelestov, Andrii математичні моделі регресійна модель поліном Колмогорова–Габора метод групового урахування даних якість повітря супутникові дані кореляційний аналіз mathematical models regression model Kolmogorov–Gabor polynomial group method of data handling air quality satellite data correlation analysis математические модели регрессионная модель полином Колмогорова-Габора метод группового учета данных качество воздуха спутниковые данные корреляционный анализ У роботі представлено математичну модель на основі методу групового урахування аргументів (МГУА) для оцінки даних про якість повітря на рівні землі за допомогою супутникових спостережень. Забруднення повітря є серйозною екологічною проблемою, яка має значний вплив на екосистеми, здоров’я людини та зміну клімату. Наземні мережі моніторингу якості повітря забезпечують прямі вимірювання рівня забруднення, але у багатьох регіонах світу обмежені кількістю станцій. Супутникове дистанційне зондування пропонує нові можливості для послідовного та детального моніторингу якості повітря як доповнення до наземних спостережень. Однак існують певні обмеження, включно з низьким просторовим розрізненням супутникових даних, невизначеностями вимірювань і низькою частотою зйомки. У цьому дослідженні розроблено модифіковану модель МГУА для співставлення даних супутникових спостережень з наземними даними про якість повітря для дрібних твердих частинок (PM2,5) і твердих частинок розміром менше 10 мк (PM10) у місті Києві, Україна. Модель оптимально реконструює нелінійні функціональні залежності між часовими рядами супутникових і наземних змінних, одночасно оптимізуючи загальну складність моделі. Проведено кілька обчислювальних експериментів на реальних наборах даних. Результати показали сильну кореляцію між прогнозованими та емпірично спостережуваними значеннями на незалежному 25 %-му тестовому зразку (досягнуто 0,8889 для PM2,5). Для оптимізованої моделі МГУА вимагалось у 2–3 рази менше параметрів, ніж для порівнюваної архітектури нейронної мережі, щоб досягти того самого рівня точності. Це демонструє здатність запропонованого підходу точно оцінювати концентрації забруднення на рівні землі з високою роздільною здатністю на основі супутникових даних, використовуючи МГУА-моделювання. Розроблена модель надає більш повну просторово-часову картину розподілу забруднення для значного покращення можливостей моніторингу навколишнього середовища, інформування громадськості та підтримки науково обґрунтованих політичних рішень щодо стратегій пом’якшення впливу забруднення на довкілля. У дослідженні підкреслюється, що злиття супутникових і наземних даних за допомогою моделювання МГУА дозволяє значно удосконалити можливості оцінки якості повітря, щоб краще зрозуміти дрібномасштабну динаміку забруднення, захистити населення та розробити ефективні рішення для захисту навколишнього середовища. This paper presents a mathematical model based on the group method of data handling (GMDH) for estimating ground-level air quality data using satellite observations. Air pollution is a serious environmental problem with significant impacts on human health, ecosystems and climate change. Ground-based air quality monitoring networks provide direct pollution measurements, but are limited by the number of stations in many regions of the world. Satellite remote sensing offers new opportunities for consistent and detailed monitoring of air quality as a supplement to ground-based observations. However, there are limitations, including low spatial resolution of satellite data, measurement uncertainties, and low acquisition frequency. This study developed a modified GMDH model to compare satellite observations with ground air quality data for fine particulate matter (PM2,5) and particulate matter less than 10 microns (PM10) in the Kyiv city, Ukraine. The model optimally reconstructs nonlinear functional dependencies between time series of satellite and ground variables, while optimizing the overall complexity of the model. Several computational experiments were performed on real data sets. The results showed a strong correlation between predicted and empirically observed values on an independent 25 % test sample, reaching 0,8889 for PM2,5. The optimized GMDH model required 2–3 times fewer parameters than a comparable neural network architecture to achieve the same level of accuracy. This demonstrates the ability of the proposed approach to accurately estimate ground-level pollution concentrations at high resolution using satellite data through GMDH simulations. The developed model provides a more complete spatiotemporal picture of pollution distribution to significantly improve environmental monitoring capabilities, inform the public, and support science-based policy decisions regarding mitigation strategies. In summary, the study highlights that the fusion of satellite and ground-based data using GMDH modeling significantly improves air quality assessment capabilities to better understand small-scale pollution dynamics, protect public health, and develop effective solutions to protect the environment. В работе представлена математическая модель на основе метода группового учета аргументов (МГУА) для оценки данных о качестве воздуха на уровне земли с помощью спутниковых наблюдений. Загрязнение воздуха является серьезной экологической проблемой, оказывающей значительное влияние на экосистемы, здоровье человека и изменение климата. Наземные сети мониторинга качества воздуха обеспечивают прямые измерения уровня загрязнения, но во многих регионах мира ограничены количеством станций. Спутниковое дистанционное зондирование предлагает новые возможности для последовательного и детального мониторинга качества воздуха как дополнение к наземным наблюдениям. Однако существуют определенные ограничения, включая низкое пространственное различение спутниковых данных, неопределенности измерений и низкую частоту съемки. В этом исследовании разработана модифицированная модель МГУА для сопоставления данных спутниковых наблюдений с наземными данными о качестве воздуха для мелких твердых частиц (PM2,5) и твердых частиц размером менее 10 мк (PM10) в Киеве, Украина. Модель оптимально реконструирует нелинейные функциональные зависимости между временными рядами спутниковых и наземных переменных одновременно оптимизируя общую сложность модели. Проведены несколько вычислительных экспериментов на реальных наборах данных. Результаты показали сильную корреляцию между прогнозируемыми и эмпирически наблюдаемыми значениями на независимом 25% тестовом образце (достигнуто 0,8889 для PM2,5). Для оптимизированной модели МГУА требовалось в 2–3 раза меньше параметров, чем для сравниваемой архитектуры нейронной сети, чтобы достичь того же уровня точности. Это демонстрирует способность предлагаемого подхода точно оценивать концентрации загрязнения на уровне земли с высоким разрешением на основе спутниковых данных, используя МГУА-моделирование. Разработанная модель предоставляет более полную пространственно-временную картину распределения загрязнения для улучшения возможностей мониторинга окружающей среды, информирования общественности и поддержки научно обоснованных политических решений относительно стратегий смягчения влияния загрязнения на окружающую среду. В исследовании подчеркивается, что слияние спутниковых и наземных данных посредством моделирования МГУА позволяет значительно усовершенствовать возможности оценки качества воздуха, чтобы лучше понять мелкомасштабную динамику загрязнения, защитить население и разработать эффективные решения по защите окружающей среды. V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2023-08-25 Article Article application/pdf https://jais.net.ua/index.php/files/article/view/201 10.34229/1028-0979-2023-5-8 Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; Том 68 № 5 (2023): Міжнародний науково-технічний журнал "Проблеми керування та інформатики"; 93-106 International Scientific Technical Journal "Problems of Control and Informatics; Том 68 № 5 (2023): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 93-106 International Scientific Technical Journal "Problems of Control and Informatics"; Vol. 68 No. 5 (2023): International Scientific Technical Journal "PROBLEMS OF CONTROL AND INFORMATICS"; 93-106 2786-6505 2786-6491 10.34229/1028-0979-2023-5 uk https://jais.net.ua/index.php/files/article/view/201/287 Copyright (c) 2023 Vladyslav Khaidurov, Bohdan Yailymov, Andrii Shelestov https://creativecommons.org/licenses/by-nc-nd/4.0 |