Нейросетевое моделирование процессов загрязнения окружающей среды

• Автор: Якшина, Наталья Владимировна
• Шифр специальности: 03.00.16
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Екатеринбург
• Количество страниц: 148 с. : ил.

Содержание
Введение.

ГЛАВА 1. ОБЩИЕ ПОЛОЖЕНИЯ ТЕОРИИ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ.

1.1.История исследования искусственных нейронных сетей.

1.2 Параллели искусственных нейронных сетей с биологическими процессами.

1.3.Основы теории искусственных нейронных сетей

1.4.0сновные этапы работы с искусственными нейронными

сетями

1.5.Преимущества и недостатки искусственных нейронных

сетей.
ГЛАВА 2. ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ ЭКОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ
2.1 .Области применения искусственных нейронных сетей.
2.2.Применение искусственных нейронных сетей для прогнозирования уровней загрязнения атмосферного воздуха
2.2. Применение искусственных нейронных сетей в задачах гидрологического прогнозирования
2.3. Применение искусственных нейронных сетей в иных областях экологии
ГЛАВА 3. ПРОГНОЗИРОВАНИЕ УРОВНЕЙ ЗАГРЯЗНЕНИЯ АТМОСФЕРНОГО ВОЗДУХА В КАМЕНСКУРАЛЬСКОМ
3.1.Анализ экологической ситуации в городе КаменскУральский
3.2. Прогнозирование концентрации твердых веществ в атмосферном воздухе
3.3. Прогнозирование концентрации диоксида азота в атмосферном воздухе
ГЛАВА 4. ПРОГНОЗИРОВАНИЕ ДИНАМИКИ РАДИОАКТИВНОГО ЗАГРЯЗНЕНИЯ РЕКИ ТЕЧА.
4.1. Анализ радиоактивного загрязнения реки Теча
4.2.Результаты прогнозов концентрации стронция в реке Теча
ГЛАВА 5. ПРОГНОЗИРОВАНИЕ УРОВНЯ ВОДЫ В ВОДОЕМЕ
ХРАНИЛИЩЕ РАДИОАКТИВНЫХ ОТХОДОВ.
5.1 Анализ динамики изменения уровня воды в водохранилище В
5.2. Прогнозирование среднемесячных значений изменения уровня воды в водохранилище В
Заключение
Список использованных источников


Результаты моделирования миграции стронция в реке Теча могут быть использованы для ретроспективного восстановления уровней радиоактивного загрязнения речной воды в створе населенных пунктов при наличии пробелов в ряду данных мониторинга. Использование единого подхода, основанного на применении ИНС, эффективно для прогнозирования нелинейных динамических процессов загрязнения окружающей среды и изменения состояния окружающей среды, имеющих различную природу и механизмы функционирования, применительно к актуальным проблемам Уральского региона, для которых в настоящее время отсутствуют другие альтернативные методы решения. Росгидромета, иными уполномоченными организациями и силами промышленных предприятий, т. КаменскУральский на срок до нескольких суток, основываясь только на метеорологических данных и концентрациях загрязняющих веществ за предшествующий период. Теча в створе населенных пунктов с. Муслюмово Челябинская обл. Першинское Курганская обл. В Теченского каскада водоемов на период до месяцев. На основании анализа значимости входных сигналов ИНС выявлено существование скрытого фактора, вызывающего существенное понижение уровня воды в водоеме В, который ранее не учитывался при рассмотрении водного баланса водоема. Достоверность научных положений, выносимых на защиту. Апробация работы. Международном экологическом симпозиуме Урал атомный, Урал промышленный г. Екатеринбург, г. Седьмой всероссийской научнопрактической конференции Экологические проблемы промышленных регионов, г. Международной конференции Биологические эффекты малых доз ионизирующей радиации и радиоактивное загрязнение окружающей среды г. Сыктывкар, г. Всероссийской конференции Риск г. Международной научной конференции Сахаровские чтения года экологические проблемы XXI века г. Минск, г. Публикации. По теме диссертации опубликовано 8 печатных работ, в т. ВАК РФ. Общий объем п. Объем и структура работы. Диссертационная работа состоит из введения, пяти глав основного текста, заключения, списка использованной литературы, приложений. Работа содержит 8 страниц текста, включая таблиц, рисунков, список использованной литературы из наименования, 6 приложений. Глава 1. Способность искусственной нейронной сети ИНС к обучению впервые исследована Дж. Маккалохом и У. Питтсом. В году вышла их работа Логическое исчисление идей, относящихся к нервной деятельности, в которой построена модель нейрона, и сформулированы принципы построения искусственных нейронных сетей. Крупный толчок развитию нейрокибернетики дал американский нейрофизиолог Френк Розенблатт, предложивший в году свою модель нейронной сети персептрон 1. Воспринятый первоначально с большим энтузиазмом, он вскоре подвергся интенсивным нападкам со стороны крупных научных авторитетов. И хотя подробный анализ их аргументов показывает, что они оспаривали не совсем тот персептрон, который предлагал Розенблатт, крупные исследования по нейронным сетям были свернуты почти на лет. Несмотря на это, в е годы в связи с накоплением новых знаний о деятельности мозга, а также значительного прогресса в области микроэлектроники и компьютерной техники, было предложено много интересных разработок, таких, например, как когнитрон, способных хорошо распознавать достаточно сложные образы независимо от поворота и изменения масштаба изображения 2,3. В году американский биофизик Дж. Хопфилд предложил оригинальную модель нейронной сети, названную его именем. В х гг. ИНС находятся на стадии интенсивного развития. В России и зарубежом проводятся конференции и форумы по нейронным сетям, создаются нейрокомпьютерные центры. Тулузе в декабре г. Исследования в области ИНС привели к тому, что для решения различного вида задач, таких как авто ассоциативная память, оптимизация, обобщение, контроль и предсказание, появились различные типы ИНС. В таблице 1. Таблица 1. Машина Больцмана Хилтон и др. Обратного распространения ошибки i Румсльхарт и др. На практике выбор типа ИНС зависит от характера решаемой проблемы.