Comparison of artificial intelligence prediction techniques in NO and NO2 concentrations' forecast

A műszaki eszkőzök és berendezések, valamint az épületek védelme iránti állandó igény, továbbá az az elvárás, hogy a gazdasági és gazdálkodási folyamatok költségeit csökkentsük, egyre pontosabb előrejelzési technikákat igényelnek. Az előrq'elzés nehéz probléma, mellyel csaknem minden emberi tev...

Teljes leírás

Elmentve itt :
Bibliográfiai részletek
Szerzők: Juhos István
Béczi Rita
Makra László
Dokumentumtípus: Cikk
Megjelent: 2003
Sorozat:Acta climatologica 36-37
Kulcsszavak:Időjárás-előrejelzés - módszer, Éghajlattan
Tárgyszavak:
Online Access:http://acta.bibl.u-szeged.hu/16870
Leíró adatok
Tartalmi kivonat:A műszaki eszkőzök és berendezések, valamint az épületek védelme iránti állandó igény, továbbá az az elvárás, hogy a gazdasági és gazdálkodási folyamatok költségeit csökkentsük, egyre pontosabb előrejelzési technikákat igényelnek. Az előrq'elzés nehéz probléma, mellyel csaknem minden emberi tevékenység szembesül. Kifejlesztettek ugyan számos speciális idősor előrejelzési módszert, ezek mindegyikének azonban vannak bizonyos korlátai. Legtöbbjük sokkal inkább teljes adatsorok modellezésére korlátozódik, semmint az előrejelzési sajátosságok kiemelésére és a terület szakemberei számára általában nehezen értelmezhetők. A mesterséges intelligencia a döntési Okkal történő szimbolikus tanulást ajánlja, mely lehetőséget biztosit a múltbeli adatokban rejlő kapcsolatok felderítésére, számunkra is olvasható formában. Mindezek mellett képes megbecsülni azt, hogy a jövőbeli adatok milyen intervallumba esnek. Precízebb előrqelzést az elmúlt években erre a problémára legtöbbet használt mesterséges neurális hálózatok segítségével nyelhetünk, amelyek pontos filggvényillesztést végeznek az adatokon. Ennek ára azonban az összefüggések emberi szem elől való elrejtése. Ha az említett módszerek kombinációját használjuk, akkor pontosabb döntésekre juthatunk a jövőbeni adatokra vonatkozóan, továbbá az okokat is feltárhatjuk. Mindkét esetben a tanulás hatékonysága a tanulóalgoritmusok paramétereinek jó megválasztásától függ. Emiatt a paraméterek beállítására szimulált hűtéssel felügyelt tanulást alkalmaztunk. A dolgozat célja, hogy összehasonlítsuk a fent említett technikákat az NO és NQ¡ koncentrációk néhány órás előrejelzésében egy forgalmas szegedi közlekedési csomópontban. Ehhez az aktuális értékeik alapján adott hibával előrejelzett meteorológiai paramétereket hívtunk segítségül. Summary - To construct new technical devices, to permanently protect buildings and to reduce the expenses of various economic and business processes more and more accurate prediction techniques are needed. Almost all human activities encounter the hard problem of forecasting. Although several time series prediction methods have been developed, each of them has certain limitations. Most of them are designed rather for modeling complete time series than pointing out different prediction characteristics; furthermore, they can only be interpreted with difficulties. Artificial intelligence offers symbolic learning with decision trees, by means of which we can explore connections in past data and produce them in a readable format Decision trees can estimate intervals of future data. Recently, artificial neural networks were used to handle this problem. This method offered more precise forecast and more accurate fit of the function to the starting data. However, when applying this method, relationships in the data set examined were hidden. If we combine the methods mentioned above, we can get more precise decisions for the future data and we can also reveal the reasons. In either case, the efficiency of learning depends on a good choice of the learning algorithms' parameters. For this reason, parameters are selected by simulated annealing. The aim of this paper is to conpare die above mentioned prediction techniques in several hours forecast of NO and NO2 concentrations at a busy cross-road in Szeged (Hungary). For this object, meteorological parameters predicted with given error on their actual values were used.
Terjedelem/Fizikai jellemzők:45-55
ISSN:0563-0614