Ανάλυση και πρόβλεψη της ατμοσφαιρικής μόλυνσης σε πολυάριθμες χώρες μέσω χρήσης BiLSTM-Conv1D νευρωνικών δικτύων

Abstract

Τα τεχνητά νευρωνικά δίκτυα είναι ένας επιστημονικός τομέας, ο οποίος έχει αναπτυχθεί σταδιακά με τα χρόνια και έχει υιοθετηθεί σε πολυάριθμα πεδία μελέτης λόγω της ικανότητάς του να επεξεργάζεται και να ανακαλύπτει μοτίβα από ακατέργαστα δεδομένα. Ο στόχος ενός μοντέλου νευρωνικών δικτύων είναι η επίλυση υπολογιστικών προβλημάτων, χρησιμοποιώντας διαφορετικές τεχνικές και μαθηματικές διαδικασίες. Ένα τέτοιο πρόβλημα είναι η ατμοσφαιρική ρύπανση, ένα ζήτημα που γίνεται ολοένα και πιο σοβαρό για την υγεία του ευρύτερου κοινού. Οι κυβερνήσεις και οι πολίτες απαιτούν έναν τρόπο να γνωρίζουν εκ των προτέρων μια εικόνα για το πώς θα είναι η ποιότητα του αέρα με σκοπό να πάρουν τη πρωτοβουλία και να ενεργήσουν ανάλογα.

Στόχος αυτής της διπλωματικής εργασίας είναι η ανάπτυξη ενός μοντέλου νευρωνικών δικτύων που θα λαμβάνει ως είσοδο ιστορικά δεδομένα της ατμόσφαιρας και θα μπορεί να προβλέψει τις μελλοντικές τιμές των ρύπων που επηρεάζουν την ποιότητα του αέρα. Η υλοποίηση θα πραγματοποιηθεί με τη γλώσσα προγραμματισμού Python και τη χρήση βιβλιοθηκών που αναπτύχθηκαν για μηχανική μάθηση.

Στο πλαίσιο της διπλωματικής εργασίας μελετήθηκαν 6 ερευνητικές εργασίες για τα διαφορετικά είδη μοντέλων νευρωνικών δικτύων πάνω σε δεδομένα που σχετίζονται με την ατμοσφαιρική ρύπανση και την πρόβλεψη χρονοσειρών. Επιπλέον, αναπτύχθηκαν πολλαπλοί διαφορετικοί τύποι νευρωνικών δικτύων προκειμένου να πραγματοποιηθεί η τελική αρχιτεκτονική του προτεινόμενου μοντέλου. Ακόμα, διεξήχθη πειραματισμοί για τον προσδιορισμό των καλύτερων παραμέτρων για το μοντέλο και αξιολογήθηκε τόσο για την απόδοση και την ακρίβειά του όσο και για τη γενίκευσή του σε περισσότερες από μία τοποθεσίες σε όλο τον κόσμο.