Введение
Глава 1. Состояние вопроса экологического мониторинга качества атмосферного воздуха 10
1.1. Ограничения существующей системы экспериментального экологического мониторинга 10
1.2. Выбор объектов для экологического мониторинга качества атмосферного воздуха
1.2.1. Выбор мониторинговых показателей 15
1.2.2. Выбор методов расчетного экологического мониторинга 17
1.3. Проведение интегральной оценки состояния объектов мониторинга 36
Глава 2. Методы исследования и результаты наблюдений 38
2.1. Результаты экспериментальных наблюдений 38
2.2. Организация хранилища данных результатов экспериментальных наблюдений 39
2.3.Расчетные методы исследования 54
Глава 3. Интеллектуальные методы прогнозирования состояния городской среды 80
3.1. Прогнозирование концентраций загрязняющих веществ в приземном слое атмосферного воздуха 82
3.1.1. Нейросетевая модель прогнозирования по стандартным предикторам 82
3.1.1.1 Конкретизация значений предикторов 83
3.1.1.2. Конструирование и обучение модели 85
3.1.1.3. Исследование способности модели к обобщению 88
3.1.1.4. Исследование точности модели 89
3.1.2 Нейросетевая модель прогнозирования по редуцированным предикторам 90
3.1.2.1. Редуцирование нейросетевой модели 90
3.1.2.2. Конструирование и обучение модели, прогнозирующей концентрации загрязнений по метеоданным 92
3.1.2.3. Исследование точности модели, прогнозирующей концентрации загрязнений по метеоданным 93
3.1.3. Методика конструирования интеллектуальной модели, прогнозирующей концентрации ЗВ в атмосфере 96
3.1.4. Результаты натурных экспериментов 97
3.2. Прогноз параметра Р 104
3.2.1. Прогноз изменчивости параметра Р 108
3.2.2. Создание нейросетевой модели для прогнозирования параметра Р по метеорологическим параметрам 116
3.3. Прогноз формирования НМУ 124
3.3.1 Интеллектуальная модель расчета временного периода между формированием НМУ и превышением ПДК ЗВ 124
3.3.1.1. Методика построения соревновательной группы нейросетевых моделей 125
3.3.1.2. Результаты натурных экспериментов 129
3.3.2 Вычислительный метод распознавания сочетаний метеопараметров как неблагоприятных 132
3.3.2.1. Редукция набора метеоданных 132
3.3.2.2. Выделение групп НМУ из набора метеоданных кластеризацией 133
3.3.2.3. Метод выделение групп НМУ из набора метеоданных на основе расчетов модели-победителя 136
3.3.3 Порядок прогнозирования формирования групп НМУ при помощи интеллектуальных моделей 137
Выводы 138
Глава 4. Нейронечеткая идентификация состояния объектов мониторинга 140
4.1. Качественная оценка состояния объектов мониторинга 140
4.2 Количественная оценка состояния объектов мониторинга на основе нечеткого расчета параметра I по алгоритму TSK 143
4.2.1. Нечеткий логический вывод как универсальный интерпретатор количественных параметров в качественные показатели 147
4.2.2. Лингвистические переменные задачи качественного оценивания состояния городской среды 150
4.2.3. Расчет количественного значения Iобщ по алгоритму TSK 154
4.2.3.1 Определение функций принадлежности лингвистических переменных правил частей правил вывода TSK 156
4.2.3.2 Определение коэффициентов правых частей правил вывода TSK 160
4.2.3.3 Задание базы правил нечеткого логического вывода TSK 162
4.2.3.4 Реализация системы нечеткого логического вывода TSK 163
4.2.4 Оценка адекватности нечеткой системы для количественного расчета интегрального показателя состояния объектов мониторинга 167
4.3 Повышение адекватности нечеткой системы расчета интегрального показателя состояния для объектов мониторинга 168
4.3.1.Разработка нечеткой нейронной сети как специфической реализации системы нечеткого вывода типа TSK 169
4.3.2. Создание и обучение нечеткой нейронной сети для системы нечеткого логического вывода 173
4.4. Качественная оценка состояния объектов мониторинга на основе нечеткого расчета I по алгоритму Mamdani-Zade 179
Выводы 185
Заключение 187
Литература 188
