Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря
This paper presents contemporary approaches to ambient air quality monitoring in the vicinity of energy facilities, with a main focus on the use of intelligent systems and cutting-edge technologies. The primary objective of the study is to identify promising solutions for the development of intellig...
Збережено в:
| Дата: | 2025 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
General Energy Institute of the National Academy of Sciences of Ukraine
2025
|
| Теми: | |
| Онлайн доступ: | https://systemre.org/index.php/journal/article/view/908 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System Research in Energy |
Репозитарії
System Research in Energy| id |
oai:www.systemre.org:article-908 |
|---|---|
| record_format |
ojs |
| institution |
System Research in Energy |
| baseUrl_str |
|
| datestamp_date |
2025-09-08T18:11:42Z |
| collection |
OJS |
| language |
English |
| topic |
моніторинг інтелектуальні системи сенсорні мережі хмарні технології машинне навчання прогнозування. |
| spellingShingle |
моніторинг інтелектуальні системи сенсорні мережі хмарні технології машинне навчання прогнозування. Kulykivskyi, Oleksandr Ponomarenko, Oleksandr Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| topic_facet |
monitoring intelligent systems sensor networks cloud technologies machine learning forecasting. моніторинг інтелектуальні системи сенсорні мережі хмарні технології машинне навчання прогнозування. |
| format |
Article |
| author |
Kulykivskyi, Oleksandr Ponomarenko, Oleksandr |
| author_facet |
Kulykivskyi, Oleksandr Ponomarenko, Oleksandr |
| author_sort |
Kulykivskyi, Oleksandr |
| title |
Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| title_short |
Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| title_full |
Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| title_fullStr |
Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| title_full_unstemmed |
Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| title_sort |
порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря |
| title_alt |
COMPARATIVE ANALYSIS OF METHODS AND TOOLS FOR AMBIENT AIR QUALITY MONITORING |
| description |
This paper presents contemporary approaches to ambient air quality monitoring in the vicinity of energy facilities, with a main focus on the use of intelligent systems and cutting-edge technologies. The primary objective of the study is to identify promising solutions for the development of intelligent information and measurement systems capable of tracking air parameter variations in real time, analyzing pollution levels, and supporting the decision-making process. This paper emphasizes key criteria for assessing air pollution, including the concentration of harmful substances (PM2.5, PM10, NO2, SO2, CO, O3), the air quality index, toxic emissions, and natural meteorological factors. Modern methods for data collection and processing are examined, including Internet of Things IoT- based systems, cloud platforms, optical image analysis methods, and artificial intelligence such as machine learning and deep neural networks. Special attention is given to the application of regression models and hybrid approaches (CNN+LSTM) for PM2.5 level forecasting, enabling high-accuracy estimations based on both meteorological data and visual inputs. The study also describes stationary monitoring systems, their architecture, operational principles, and implementation examples using LoRa, LPWA, sensor networks, and mobile platforms. The results demonstrate the high efficiency of integrating artificial intelligence, big data, and the Internet of Things into monitoring systems, revealing new opportunities for the modernization of air quality monitoring and environmental risk management in areas with significant anthropogenic impact. |
| publisher |
General Energy Institute of the National Academy of Sciences of Ukraine |
| publishDate |
2025 |
| url |
https://systemre.org/index.php/journal/article/view/908 |
| work_keys_str_mv |
AT kulykivskyioleksandr comparativeanalysisofmethodsandtoolsforambientairqualitymonitoring AT ponomarenkooleksandr comparativeanalysisofmethodsandtoolsforambientairqualitymonitoring AT kulykivskyioleksandr porívnâlʹnijanalízmetodívtazasobívmonítoringustanuatmosfernogopovítrâ AT ponomarenkooleksandr porívnâlʹnijanalízmetodívtazasobívmonítoringustanuatmosfernogopovítrâ |
| first_indexed |
2025-09-24T17:34:12Z |
| last_indexed |
2025-09-24T17:34:12Z |
| _version_ |
1850410294573006848 |
| spelling |
oai:www.systemre.org:article-9082025-09-08T18:11:42Z COMPARATIVE ANALYSIS OF METHODS AND TOOLS FOR AMBIENT AIR QUALITY MONITORING Порівняльний аналіз методів та засобів моніторингу стану атмосферного повітря Kulykivskyi, Oleksandr Ponomarenko, Oleksandr monitoring, intelligent systems, sensor networks, cloud technologies, machine learning, forecasting. моніторинг, інтелектуальні системи, сенсорні мережі, хмарні технології, машинне навчання, прогнозування. This paper presents contemporary approaches to ambient air quality monitoring in the vicinity of energy facilities, with a main focus on the use of intelligent systems and cutting-edge technologies. The primary objective of the study is to identify promising solutions for the development of intelligent information and measurement systems capable of tracking air parameter variations in real time, analyzing pollution levels, and supporting the decision-making process. This paper emphasizes key criteria for assessing air pollution, including the concentration of harmful substances (PM2.5, PM10, NO2, SO2, CO, O3), the air quality index, toxic emissions, and natural meteorological factors. Modern methods for data collection and processing are examined, including Internet of Things IoT- based systems, cloud platforms, optical image analysis methods, and artificial intelligence such as machine learning and deep neural networks. Special attention is given to the application of regression models and hybrid approaches (CNN+LSTM) for PM2.5 level forecasting, enabling high-accuracy estimations based on both meteorological data and visual inputs. The study also describes stationary monitoring systems, their architecture, operational principles, and implementation examples using LoRa, LPWA, sensor networks, and mobile platforms. The results demonstrate the high efficiency of integrating artificial intelligence, big data, and the Internet of Things into monitoring systems, revealing new opportunities for the modernization of air quality monitoring and environmental risk management in areas with significant anthropogenic impact. У роботі розглянуто сучасні підходи до моніторингу якості атмосферного повітря в околі об’єктів енергетики з акцентом на використання інтелектуальних систем та новітніх технологій. Основною метою дослідження є виявлення перспективних рішень для побудови інтелектуальних інформаційно-вимірювальних систем, що дозволяють в реальному часі відстежувати зміни параметрів повітря, аналізувати рівень забруднення та підтримувати прийняття управлінських рішень. У роботі акцентовано увагу на основних критеріях оцінки забрудненості повітря, таких як концентрація шкідливих речовин (PM2.5, PM10, NO₂, SO₂, CO, O₃), індекс якості повітря, токсичні викиди та природні метеорологічні чинники. Розглянуто сучасні методи збору та опрацювання даних, зокрема системи на базі Інтернету речей, хмарні платформи, оптичні методи аналізу зображень, а також алгоритми штучного інтелекту, включно з машинним навчанням та глибокими нейронними мережами. Особливу увагу приділено використанню моделей регресії та гібридних підходів (CNN+LSTM) для прогнозування рівня PM2.5, що дозволяє досягати високої точності оцінювання на основі як метеоданих, так і візуальної інформації. Також описано стаціонарні системи моніторингу, їх архітектуру, принципи функціонування та приклади реалізації з використанням LoRa, LPWA, сенсорних мереж і мобільних платформ. Отримані результати свідчать про високу ефективність інтеграції штучного інтелекту, великих даних та Інтернету речей у системах моніторингу, що відкриває нові можливості для модернізації систем моніторингу якості повітря та управління екологічними ризиками у зонах підвищеного техногенного навантаження. General Energy Institute of the National Academy of Sciences of Ukraine 2025-08-26 Article Article application/pdf https://systemre.org/index.php/journal/article/view/908 10.15407/srenergy2025.03.081 System Research in Energy; No. 3 (83) (2025): System Research in Energy; 81-91 Системні дослідження в енергетиці; № 3 (83) (2025): Системні дослідження в енергетиці; 81-91 2786-7102 2786-7633 en https://systemre.org/index.php/journal/article/view/908/813 |