6533b85ffe1ef96bd12c1575
RESEARCH PRODUCT
Mākslīgās inteliģences metožu izmantošanas potenciāls atmosfēras piesārņojuma datu apstrādē un interpretācijā
Gints Zabītissubject
Vides zinātnekvalitātes kontroleRandom Forest algoritmsregresijas analīzemašīnmācīšananeironu tīklidescription
Automatizēta datu kvalitātes kontrole kļūst aizvien populārāka lielu datu kopu apstrādē. Kā arī lielāku popularitāti vides metrikā gūst sabiedriskā zinātne, pieļaujot izmantot alternatīvas un ne tik sarežģītas mēriekārtas un metodes (t.s. ne-references iekārtas). Nereti šo ne-references staciju dati ir publiski pieejami, bet šo datu kvalitāte ir novērtējama kā apšaubāma, ar zemu ticamības līmeni, ja netiek veikta mērījumu kvalitātes kontrole. Atmosfēras piesārņojuma jomā, izmantojot sensoru iekārtas, mērījumi bieži vien tiek veikti 1 – 10 minūšu intervālā, kas ļauj iegūt milzīgas datu kopas. Pietiekami blīvs sabiedriskās zinātnes ne-references iekārtu tīkls sniedz būtisku telpisku vides kvalitātes informāciju par situāciju konkrētās teritorijās, pat ja references stacija ir pāris simtu metru attālumā. Maģistra darbā novērtēts mākslīgo inteliģences metožu (ANN) izmantošanas potenciālu atmosfēras piesārņojuma datu apstrādē, apskatot dažādas specifiskas metodes - regresijas modeļus, neironu tīklus, pašvadītās kartes un strukturālos algoritmus. Praktiskās daļas īstenota ar specifiskas “JASP” programmas rīkiem - mašīnmācīšanās “Random Forest” regresijas analīzi, klastera metodi, regularizēto lineāro regresiju un neironu tīkla metodoloģiju.
| year | journal | country | edition | language |
|---|---|---|---|---|
| 2022-01-01 |