Standard

СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА. / Буторова, Анастасия Сергеевна; Шичкин, Андрей Васильевич; Буевич, Александр Геннадьевич и др.
в: Экологические системы и приборы, № 9, 2023, стр. 37-45.

Результаты исследований: Вклад в журнал › Статья › Рецензирование

Harvard

Буторова, АС, Шичкин, АВ, Буевич, АГ, Сергеев, АП, Баглаева, ЕМ & Субботина, ИЕ 2023, 'СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА', Экологические системы и приборы, № 9, стр. 37-45. https://doi.org/10.25791/esip.9.2023.1397

APA

Буторова, А. С., Шичкин, А. В., Буевич, А. Г., Сергеев, А. П., Баглаева, Е. М., & Субботина, И. Е. (2023). СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА. Экологические системы и приборы, (9), 37-45. https://doi.org/10.25791/esip.9.2023.1397

Vancouver

Буторова АС, Шичкин АВ, Буевич АГ, Сергеев АП, Баглаева ЕМ, Субботина ИЕ. СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА. Экологические системы и приборы. 2023;(9):37-45. doi: 10.25791/esip.9.2023.1397

Author

Буторова, Анастасия Сергеевна ; Шичкин, Андрей Васильевич ; Буевич, Александр Геннадьевич и др. / СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА. в: Экологические системы и приборы. 2023 ; № 9. стр. 37-45.

BibTeX

@article{4fbe07b6813e4cdbbd0fd7f29b734d97,
title = "СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА",
abstract = "В статье представлено сравнение моделей на основе нелинейной авторегрессионной нейронной сети с внешним вводом (NARX) для прогнозирования временных рядов. Сети были обучены с помощью трех алгоритмов, которые наиболее применимы в таких исследованиях: Левенберга-Маркварта (LM), Левенберга-Марквардта с байесовской регуляризацией (BR) и градиентного спуска с регулируемыми скоростными параметрами (GDA). Для моделирования и прогнозирования использовались данные о концентрации метана и углекислого газа в приземном слое атмосферного воздуха на арктическом острове Белый, ЯНАО, Россия. Был выбран временной интервал 190 часов с часовым лагом. Концентрации метана и углекислого газа, соответствующие первым 170 часам интервала, использовались для обучения сети NARX. Затем был сделан прогноз на ближайшие 20 часов. Модели, основанные на сети NARX с алгоритмом обучения LM, показали самую высокую точность прогноза, а также минимальные ошибки и достаточно высокую скорость обучения для обоих парниковых газов.",
author = "Буторова, {Анастасия Сергеевна} and Шичкин, {Андрей Васильевич} and Буевич, {Александр Геннадьевич} and Сергеев, {Александр Петрович} and Баглаева, {Елена Михайловна} and Субботина, {И. Е.}",
year = "2023",
doi = "10.25791/esip.9.2023.1397",
language = "Русский",
pages = "37--45",
journal = "Экологические системы и приборы",
issn = "2072-9952",
publisher = "Общество с ограниченной ответственностью {"}Издательство Научтехлитиздат{"}",
number = "9",

}

RIS

TY - JOUR

T1 - СРАВНЕНИЕАЛГОРИТМОВ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ NARX ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ КОНЦЕНТРАЦИЙ МЕТАНА И УГЛЕКИСЛОГО ГАЗА

AU - Буторова, Анастасия Сергеевна

AU - Шичкин, Андрей Васильевич

AU - Буевич, Александр Геннадьевич

AU - Сергеев, Александр Петрович

AU - Баглаева, Елена Михайловна

AU - Субботина, И. Е.

PY - 2023

Y1 - 2023

N2 - В статье представлено сравнение моделей на основе нелинейной авторегрессионной нейронной сети с внешним вводом (NARX) для прогнозирования временных рядов. Сети были обучены с помощью трех алгоритмов, которые наиболее применимы в таких исследованиях: Левенберга-Маркварта (LM), Левенберга-Марквардта с байесовской регуляризацией (BR) и градиентного спуска с регулируемыми скоростными параметрами (GDA). Для моделирования и прогнозирования использовались данные о концентрации метана и углекислого газа в приземном слое атмосферного воздуха на арктическом острове Белый, ЯНАО, Россия. Был выбран временной интервал 190 часов с часовым лагом. Концентрации метана и углекислого газа, соответствующие первым 170 часам интервала, использовались для обучения сети NARX. Затем был сделан прогноз на ближайшие 20 часов. Модели, основанные на сети NARX с алгоритмом обучения LM, показали самую высокую точность прогноза, а также минимальные ошибки и достаточно высокую скорость обучения для обоих парниковых газов.

AB - В статье представлено сравнение моделей на основе нелинейной авторегрессионной нейронной сети с внешним вводом (NARX) для прогнозирования временных рядов. Сети были обучены с помощью трех алгоритмов, которые наиболее применимы в таких исследованиях: Левенберга-Маркварта (LM), Левенберга-Марквардта с байесовской регуляризацией (BR) и градиентного спуска с регулируемыми скоростными параметрами (GDA). Для моделирования и прогнозирования использовались данные о концентрации метана и углекислого газа в приземном слое атмосферного воздуха на арктическом острове Белый, ЯНАО, Россия. Был выбран временной интервал 190 часов с часовым лагом. Концентрации метана и углекислого газа, соответствующие первым 170 часам интервала, использовались для обучения сети NARX. Затем был сделан прогноз на ближайшие 20 часов. Модели, основанные на сети NARX с алгоритмом обучения LM, показали самую высокую точность прогноза, а также минимальные ошибки и достаточно высокую скорость обучения для обоих парниковых газов.

UR - https://www.elibrary.ru/item.asp?id=54513260

U2 - 10.25791/esip.9.2023.1397

DO - 10.25791/esip.9.2023.1397

M3 - Статья

SP - 37

EP - 45

JO - Экологические системы и приборы

JF - Экологические системы и приборы

SN - 2072-9952

IS - 9

ER -

ID: 46058784