Определения, обозначения, сокращения и нормативные ссылки 10
ВВЕДЕНИЕ 13
Обзор литературы 16
1.1 Анализ общего состояния воздушного бассейна Республики
Казахстан по регионам 16
2. Объекты и методы исследования 20
2.1 Объект исследования 20
2.2. Предварительный анализ данных (EDA) 22
2.3. Анализ временных рядов 24
2.4. Модели для прогнозирования 25
2.5. Показатели для оценки модели и производительности 26
3. Расчеты и аналитика 27
3.1 Предварительная обработка 27
3.2 Проверка на стационарность 30
3.3 Последствия и интерпретация 34
3.4 Построения моделей 35
3.5 Прогнозирование 36
3.6 Оценка эффективности работы 41
Заключение 47
4. КОНЦЕПЦИЯ СТАРТАП-ПРОЕКТА 49
4.9 Стратегии продвижения 65
5 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ 69
5.1 Правовые и организационные вопросы обеспечения безопасности 69
5.1.1. Специальные (характерные для проектируемой рабочей зоны)
правовые нормы трудового законодательства 69
5.2. Производственная безопасность 72
5.2.1. Производственная безопасность 72
5.3 Экологическая безопасность 77
5.4 Безопасность в чрезвычайных ситуациях 78
5.4.1. Анализ вероятных ЧС, которые может инициировать объект исследований и обоснование мероприятий по предотвращению ЧС 78
5.4.2. Меры по предупреждению возникновения пожара 79
5.4.3 Действия в случае возникновения пожара 81
Вывод по разделу 82
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 84
Приложение А 87
Приложение Б 100
Прогнозирование качества воздуха является активной областью исследований в последние годы остро стоит проблема ухудшения качества воздуха в больших городах. Это связано со стремительным увеличением автотранспорта в городской черте, неудовлетворительной работой фильтров топливно-энергетического комплекса, увеличением в отопительный сезон выбросов частного сектора. Одним из показателей загрязненности атмосферного воздуха является индекс качества воздуха (AQI). Анализ временных рядов, в частности, широко используется благодаря своей эффективности в отражении временных зависимостей экологических данных.
В настоящее время различными организациями, занимающимися контролем и оценкой качеством воздуха активно накапливаются исторические данные метеорологических показателях, включая информацию о загрязнении атмосферы. Это приводит к значительному увеличению объема данных, доступных для прогнозирования. Вместе с тем, развитие программных и аппаратных средств дает возможность реализации сложных алгоритмов прогнозирования. Это позволит улучшить точность прогнозов и удовлетворить все более требования к прогнозированию погоды и качеству воздуха.
В ряде исследований использовалась ARIMA. Например, Кумар и Джайн использовали модель ARIMA для прогнозирования уровней PM2,5 в Дели, Индия.[1] Точно так же Муника и Шастри успешно применили ARIMA для прогнозирования загрязнения воздуха в Вишакхапатнаме, Индия.[2] Другие исследователи расширили применение традиционных моделей ARIMA. Пирес и другие представили процедуру декомпозиции сезонного тренда на основе Loess (STL) и ARIMA для прогнозирования PM10 в Португалии[3]. Между тем, Астита М. и другие объединили ARIMA с другими методами машинного обучения для повышения точности прогнозирования качества воздуха в Хартфорде, США.[4] Приведенные выше исследования демонстрируют потенциал анализа временных рядов и, в частности, ARIMA для прогнозирования качества воздуха. Данный проект направлен на применение этих методов для прогнозирования параметров качества воздуха в Алматы, Казахстан, внося свой вклад в глобальные усилия по мониторингу и управлению окружающей средой. В связи с этим возникает необходимость разработки эффективных методов и инструментов для мониторинга и прогнозирования качества воздуха.
Приведенные выше исследования демонстрируют потенциал анализа временных рядов и, в частности, ARIMA для прогнозирования качества воздуха. Данный проект направлен на применение этих методов для прогнозирования параметров качества воздуха в Алматы, Казахстан, внося свой вклад в глобальные усилия по мониторингу и управлению окружающей средой.
Целью настоящей магистерской диссертации является разработка информационной системы экологического мониторинга, использующей модель ARIMA для прогнозирования качества воздуха на основе исторических данных. Это позволит предсказывать будущие параметры качества воздуха и принимать меры по снижению рисков загрязнения воздуха. Для достижения данной цели были поставлены следующие задачи:
• Собрать и подготовить данные о концентрациях примесей в атмосфере г. Алматы, Казахстан.
• Построить модель ARIMA для каждого из загрязняющих веществ с использованием обучающих данных.
• Оценить качество модели ARIMA с помощью среднеквадратической ошибки (RMSE).
• Визуализировать фактические и прогнозируемые значения для каждого загрязняющего вещества.
• Прогнозировать будущие значения концентраций примесей на основе модели ARIMA.
Научная и практическая новизна и значимость работы:
В работе рассматривается построение модели ARIMA для прогнозирования качества воздуха. Разработанная информационная система экологического мониторинга объединяет исторические данные о качестве воздуха и предсказывает будущие значения на основе модели. Это позволяет оперативно определять состояние воздуха и принимать меры по снижению рисков для здоровья людей.
