Tema Nr.2 - Dezvoltarea unui sistem de predictie bazat pe retele neuronale aplicat in protectia mediului

Sistem prototip dezvoltat: Aplicatii ale reteleor neuronale artificiale in predictii legate de calitatea aerului (RNA). Sistemul RNA-AER

Autor: Dr. mat. Emil LUNGU

Descriere:

Modelele de predictie bazate pe retele neuronale artificiale ofera o alternativa convenabila la metodele clasice existente in uz. In cazul unor serii de date de dimensiuni sufficient de mari retelele pot fi antrenate pentru a produce rezultate foarte aproape de cele reale.

In studiul nostru au fost testate retele de tip feedforward cu trei straturi (intrare-ascuns-iesire) in care fiecare strat este total conectat cu urmatorul. S-a demonstrat ca acest tip de retea are capacitatea de a aproxima oricat de bine functiile cu discontinuitati de prima speta. Studiul cuprinde teste pentru determinarea unor parametri optimi ce caracterizeaza reteaua astfel incat aceasta sa produca rezultate precise. Testele se bazeaza pe date reale reprezentand concentratii ale principalilor poluanti ai aerului: pulberi totale in suspensie, pulberi sedimentabile, NO2, SO2, PM10.

Testele au fost facute folosind pachete MATLAB specializate pentru lucrul cu retele neuronale. Rezultatele furnizate de acestea au fost de asemenea comparate cu rezultatele obtinute cu parti software implementate in cadrul proiectului. Aceste parti software sunt dezvoltate in C++ si contin de asemenea biblioteci din domeniul public. Utilizatorul poate alege dintr-o serie de algoritmi de invatare impreuna cu parametrii ce descriu fiecare algoritm, poate seta parametrii de antrenare (e.g. numarul maxim de epoci folosite, modul in care se face initializarea ponderilor, numarul de epoci dupa care se face reportarea erorii, pragul de toleranta la care poate fi oprit algoritmul de invatare). De asemenea utilizatorul poate seta numarul de noduri din fiecare strat.



Programul traseaza grafice ce contin seria de date initiale si datele obtinute la iesirea retelei dupa antrenare.



Este de asemenea trasat graficul ce da evolutia erorii in procesul de antrenare.



Tehnicile de antrenare testate se bazeaza pe algoritmul standard backpropagation cu invatarea data de: algoritmul celor mai rapide coborari in care rata este considerata fixa sau variabila, algoritmi rapizi precum resilient backpropagation (RPROP) si QUICKPROP.

Rezultatele studiilor vor fi publicate in cadrul unor conferinte internationale.

<< Inapoi la tema nr.2