ТРЕХДНЕВНЫЙ ПРОГНОЗ СОДЕРЖАНИЯ МЕТАНА В АТМОСФЕРЕ АРКТИЧЕСКОГО ОСТРОВА БЕЛЫЙ С ПОМОЩЬЮ ДИСКРЕТНОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ И ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ : THREE-DAY FORECAST OF METHANE CONTENT IN THE ATMOSPHERE OF THE ARCTIC BELY ISLAND (ARCTIC REGION OF RUSSIA) USING DISCRETE WAVELET TRANSFORM AND ARTIFICIAL NEURAL NETWORKS

• Main Authors: Субботина, И.Е., Сергеев, А.П., Шичкин, А.В., Буевич, А.Г., Баглаева, Е.М.
• Format: Text
• Language: Russian
• Published: ООО "Научтехлитиздат" 2022
• Subjects: искусственные нейронные сети; временные ряды; вейвлет-преобразование; парниковые газы; метан; атмосфера; artificial neural networks; time series; wavelet transform; greenhouse gases; methane; atmosphere; Arctic; nenets; Nenets Autonomous Okrug; Yamalo Nenets; Yamalo-Nenets Autonomous Okrug; Ненец*; Ямал*
• Online Access: https://dx.doi.org/10.25791/esip.3.2022.1290; http://eco.tgizd.ru/ru/arhiv/21090

В работе предложена гибридная модель для краткосрочного прогнозирования временных рядов среднечасовой концентрации метана, которая объединяет вейвлет-преобразование и искусственные нейронные сети. Целью работы является повышение точности прогнозирования динамики изменения приземной концентрации парниковых газов. Модель протестирована на данных экологического мониторинга парниковых газов на острове Белый Ямало-Ненецкого автономного округа (Россия), полученных в июле-августе 2017 года. С помощью дискретного вейвлет-преобразования временной ряд концентрации метана был разложен на пять компонентов: одну аппроксимирующую и четыре детализирующих. Эти компоненты совместно с синхронизированными рядами метеорологических параметров (температура, влажность и давление) использовались для обучения пяти авторегрессионных сетей с экзогенным входом (NARX). Прогноз концентрации метана рассчитывался как сумма прогнозов по каждому из пяти компонентов. Качество прогноза оценивалось с помощью нескольких показателей точности модели. Гибридный подход повысил точность прогноза более чем на 20 процентов по сравнению с прогнозом нейронной сети. : The paper proposes a hybrid model combined wavelet transform and artificial neural networks for short-term forecasting of time series of hourly average methane concentration. The paper aims to improve the accuracy of predicting the dynamics in the surface concentration of greenhouse gases. The model was tested on the data of greenhouse gas monitoring on Bely Island, Yamalo-Nenets Autonomous Okrug (Russia), obtained in July-August 2017. Using the discrete wavelet transform, the methane concentration time series were decomposed into five components (one approximating and four detailing). To train five autoregressive networks with exogenous input (NARX), these components were used simultaneously with several meteorological parameters - temperature, humidity, and pressure. The methane concentration forecast was calculated as the sum of the forecasts for each of the five components. The quality of the forecast was assessed using several indicators of model accuracy. The hybrid approach improves the forecast accuracy by more than 20 per cent compared to the neural network prediction. : Экологические системы и приборы, Выпуск 3 2022