Информационный портал
«Вестник КРСУ»

Исследована динамика изменения концентрации вредных веществ (в частности, твердых частиц PM2.5) в приземном слое атмосферы г. Бишкек, а также индекс качества воздуха AQI. Построена модель для прогноза их уровней на основе актуальных для города данных. Представлены четыре варианта моделей для прогнозирования уровня загрязнения атмосферного воздуха г. Бишкек: ARIMA-модели (интегрированные модели авторегрессии – скользящего среднего) для краткосрочного прогноза концентраций PM2.5 и AQI; линейные мультирегрессионные модели процессов загрязнения на основе регрессионного анализа метеорологических факторов и концентраций частиц РМ2.5; модель краткосрочного прогноза концентраций РМ2.5 с учетом метеорологических факторов на основе обобщенно-регрессионной нейронной сети GRNN; модель среднесрочного прогноза классов AQI на основе классификатора индекса качества воздуха на базе LSTM-нейронных сетей. Показаны некоторые особенности и возможности каждой модели, а также приведены результаты прогнозирования. Информационная база исследования формировалась на основе данных загрязнения атмосферного воздуха г. Бишкек за период с 09.02.2019 по 31.03.2020, опубликованных на сайте «AirNow» и архивных данных метеослужбы.

прогнозирование; концентрации РМ2.5; индекс качества воздуха AQI; метеорологические параметры; ARIMA-модель; мультирегрессионная модель; обобщенно-регрессионная нейронная сеть GRNN; LSTM-нейронная сеть; ошибка прогноза

Бул макалада Бишкек шаарынын атмосферасынын жерге жакын катмарында зыяндуу заттардын концентрациясынын (тактап айтканда PM2.5 катуу бөлүкчөлөрүнүн) өзгөрүү динамикасы, ошондой эле AQI абанын сапатынын индекси изилдөөгө алынды. Шаар үчүн актуалдуу болгон маалыматтардын негизинде алардын деңгээлин болжолдоо үчүн модель түзүлдү. Бишкек шаарынын атмосфералык абасынын булгануу деңгээлин болжолдоо үчүн моделдердин төрт варианты сунушталды: PM2.5 жана AQI концентрацияларын кыска мөөнөткө болжолдоо үчүн ARIMA-моделдери (авторегрессиянын интеграцияланган моделдери – жылып туруучу орточо); метеорологиялык факторлорго жана РМ2.5 бөлүкчөлөрүнүн концентрациясына регрессивдүү талдоо жүргүзүүнүн негизинде булгануу процесстеринин тилкелик мультирегрессивдүү моделдери; GRNN жалпыланган-регрессивдүү нейрондук тармактын негизинде метеорологиялык факторлорду эске алуу менен РМ2.5 концентрациясын кыска мөөнөткө болжолдоо модели; LSTM-нейрондук тармактардын базасында абанын сапатынын индексинин классификаторунун негизинде AQI класстарын орто мөөнөттүк болжолдоо модели. Ар бир моделдин айрым өзгөчөлүктөрү жана мүмкүнчүлүктөрү көрсөтүлдү, ошондой эле болжолдоонун жыйынтыктары берилди. Изилдөөнүн маалымат базасы «AirNow» сайтында жарыяланган 2019-жылдын 9-февралынан 2020-жылдын 31-мартына чейинки мезгилдеги Бишкек шаарынын атмосфералык абасынын булгануусу тууралуу маалыматтардын жана метео кызматтын архивдик маалыматтарынын негизинде түзүлдү.

болжолдоо; РМ2.5 концентрациясы; индекс качества воздуха AQ I абанын сапатынын индекси; метеорологиялык параметрлер; ARIMA-модели; мультирегрессивдүү модель; GRNN жалпыланган-регрессивдүү нейрондук тармагы; LSTM-нейрондук тармагы; болжолдоо катас

The article ivestigates the dynamics of changes in the concentrations of harmful substances (in particular, PM2.5 particulate matter) in the surface layer of the atmosphere in Bishkek as well as the air quality index AQI. It is built the model to predict their levels based on relevant for the city data. The paper presents four versions of models for predicting the level of air pollution in Bishkek: the most popular and effective statistical ARIMA models (integrated autoregressive moving average models) for short-term forecasting of PM2.5 and AQI concentrations; linear multi-regression models of pollution processes based on regression analysis of meteorological factors and concentrations of PM2.5 particles, model of short-term forecast of PM2.5 concentrations taking into account meteorological factors based on generalized regression neural network GRNN, model of medium-term forecast AQI based on air quality index classifier based on LSTM neural networks. Some features and capabilities of each model are discussed, as well as the forecasting results. The information base of the study was formed on the basis of data on atmospheric air pollution in Bishkek for the period 09.02.2019-31.03.2020, published on the AirNow website and archived data from the meteorological service.

forecasting of time series; PM2.5 concentrations; the air quality index AQI; meteorological parameters; ARIMA-model; multi-regression model; generalized regression neural network GRNN; LSTM-neural network; forecasting error