Zastosowanie sieci neuronowych do lokalizacji stacji monitoringu zanieczyszczeń powietrza

W niniejszej pracy przedstawiono przykłady zastosowania sztucznej sieci neuronowej (SSN) do oceny pola zanieczyszczeń występujących w mieście oraz obiektywizacji usytuowania stacji sieci monitoringu atmosfery. Rozważania teoretyczne oraz obliczenia przeprowadzono na przykładzie miasta Łodzi biorąc pod uwagę średnie trzyletnie stężenie zawieszonego pyłu oraz SO2 w latach 1991-1993. W łodzi w omawianym okresie istniało od 19 do 22 punktów pomiarowych. W obliczeniach wykorzystano metodę opisu rozkładu zanieczyszczeń atmosfery za pomocą biharmonicznej interpolacji funkcji sklejanej. Lokalizacje hipotetycznych punktów pomiarowych określono stosując metodę bazującą na algorytmie k-means clustering oraz w samoorganizujących się sztucznych sieciach neuronowych. Na podstawie porównania rzeczywiście rozmieszczonych stacji oraz lokalizacji wynikających z analizowanych procedur wybrano te stacje, które leżą w pobliżu wygenerowanych hipotetycznie. Co do pozostałych sieci, to można uznać, że zostały zlokalizowane niewłaściwie z punktu widzenia reprezentowania badanego pola stężeń zanieczyszczeń. Analizowana metoda pozwala również na ocenę lokalizacji oraz określenie minimalnej liczby punktów monitorowania danego obszaru.

---

The reported work employs artificial neural network (ANN) for the purpose of characterising air pollution field in urban conditions and optimisation of station locations with an objective of improving the quality of air pollution monitoring system. Theoretical studies and calculations were conducted on the basis of the pollution measurements taken in the city of Lodz, Poland in the period 1991-1993. In the study three year average suspended particulates and SO2 concentration measurements were taken into account. There were from 19 up 22 air pollution monitoring stations in Lodz within the considered periods. The reported work concentrates on a method for description of air pollution field in Lodz on the basis of the sparse data available from the monitoring stations. The biharmonic spline interpolation method was used. The aim of the work is pointing out locations of hypothetical monitoring stations that would produce best description of the air pollution field in Lodz. The k-means clustering algorithm and its extension in the from of self-organised ANNs are used for this purpose. This study enables ranking of the monitoring stations in Lodz in terms of their usefulness in description of the considered air pollution field in Lodz. Thus, well and poorly located stations could be pointed out. Finally, as a result of this study, a discussion on the required number and suggested best locations of the air pollution monitoring stations in Lodz carried out.