ОСОБЛИВОСТІ ВИКОРИСТАННЯ МЕТОДІВ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ДАНИХ ДЛЯ ВИРІШЕННЯ ЗАДАЧ ЕКОЛОГІЧНОЇ БЕЗПЕКИ АТМОСФЕРНОГО ПОВІТРЯ
DOI:
https://doi.org/10.32689/maup.it.2021.2.2Ключові слова:
екологічна безпека, управління, інтелектуальний аналіз даних, атмосферне повітряАнотація
Описано процес управління екологічною безпекою в контексті зменшення негативних впливів на на- вколишнє середовище. Запропоновано узагальнену структурну модель процесу управління екологічною безпекою, засновану на методах та технологіях інтелектуального аналізу даних моніторингу. Досліджено можливості адап- тації та удосконалення ряду найбільш відомих алгоритмів інтелектуального аналізу даних, таких як C4.5, K-means, методу опорних векторів (SVM), kNN, наївного баєсового класифікатору, алгоритму Apriori, для задач аналізу даних мережі моніторингу атмосферного повітря. На прикладі даних щодо концентрацій забруднюючих речовин в атмос- ферному повітрі міста Кривий Ріг (Дніпропетровська область) побудовано діаграми: розсіювання концентрацій пилу та діоксиду азоту; розсіювання температури повітря і концентрації сірчаного ангідриду. Наведено приклади практичного використання окремих методів з метою виявлення небезпечних ситуацій. Метою статті є аналіз принципів та методів управління екологічною безпекою на основі інтелектуального аналізу даних мережі моні- торингу атмосферного повітря. Наукова новизна. Запропоновано концептуальну модель управління екологічною безпекою урбанізованих територій за даними екологічного моніторингу, що відрізняється від своїх аналогів новими можливостями, базованими на використанні сучасних інформаційних технологій інтелектуального аналізу даних. У висновках наголошено, що авторами публікації визначено перспективи застосування методів та засобів інте- лектуального аналізу даних щодо інформаційної підтримки прийняття рішень, спрямованих на оцінювання наслід- ків техногенного впливу і зменшення обсягу навантажень на довкілля. Запропоновано ряд методів та алгоритмів, які дають можливість оцінювати значення невідомих характеристик і параметрів за відомими даними, та пока- зано приклади їх використання.
Посилання
Клиланд Д., Кинг В. Системный анализ и целевое управление. Москва : Сов. радио, 1974. 280 с.
Пампуро В.И. Оптимальное управление безопасностью экологически опасных объектов. К. : Наукова думка, 2012. 599 c.
Яцишин А.В., Куцан Ю.Г., Артемчук В.О. та ін. Принципи та методи управління екологічною безпекою на основі інтелектуального аналізу даних мережі моніторингу атмосферного повітря. Електронне моделювання. 2019. № 4(41). С. 85–102.
Иващук О.А., Константинов И.С. Обеспечение адаптивного управления экологической безопасностью промышленно-транспортного комплекса. Управление большими системами. 2009. Вып. 25. С. 96–115.
Капралов Е.Г., Кошкарев А.В., Тикунов В.С. Геоинформатика : учебник для вузов. М. : Академия, 2008. 384 с.
Chen C., Chuang C., Jiang J. Ecological Monitoring Using Wireless Sensor Networks. Overview, Challenges, and Opportunities. Advancement in Sensing Technology. Smart Sensors, Measurement and Instrumentation. 2013. Vol. 1. P. 1–21.
Dias D., Tchepel O. Modelling of Human Exposure to Air Pollution in the Urban Environment: a GPS-based approach. Environmental Science and Pollution Research. 2014. Vol. 5. P. 3558–3571.
Peters D.P.C., Havstad K.M., Cushing J. et al. Harnessing the Power of Big Data: Infusing the Scientific Method With Machine Learning to Transform Ecology. Ecosphere. 2014. Vol. 5(6). P. 1–15.
Алгоритмы интеллектуального анализа данных. 2015. URL: https://tproger.ru/translations/top-10-datamining-algorithms/.
Деревья решений – C4.5 математический аппарат. Часть 1. 2019. URL: https://basegroup.ru/community/articles/math-c45-part1.
Згуровский М.З., Болдак А.А., Ефремов К.В. Интеллектуальный анализ и системное согласование научных данных в междисциплинарных исследованиях. Кибернетика и системный анализ. 2013. № 4. С. 62–75.
Шитиков В.К., Мастицкий С.Э. Классификация, регрессия, алгоритмы Data Mining с использованием R. 2017. URL: https://github.com/ranalytics/data-mining.
Ashouri M., Haghighat F., Fung B.C.M. et al. Development of Building Energy Saving Advisory: A Data Mining Approach. Energy and Buildings. 2018. Vol. 172. P. 139–151.
Orange. 2021. URL: http://orange.biolab.si/download/.
Кривий Ріг. Автоматизовані пости спостереження. 2018. URL: https://krmisto.gov.ua/ua/rc/ecomon.html.