Környezeti tényezők predikciós modelljének fejlesztése gépi-tanulásos módszerekkel

Stanic Molcer, Piroska and Kovács-Bokor, Éva ORCID: https://orcid.org/0000-0002-7018-3530 (2020) Környezeti tényezők predikciós modelljének fejlesztése gépi-tanulásos módszerekkel. In: Termeljünk együtt a természettel - az agrárerdészet mint új kitörési lehetőség. Dunakavics könyvek (ISSN: 2064-3837), 1 (16). DUE Press, Dunaújváros, pp. 49-53. ISBN 978-615-6142-06-1ö, 978-615-6142-07-8

Text 2020-Termeljunk-egyutt-a-termeszettel-I.-DKK16.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (10MB)

Abstract

A környezet szennyezettségére kihatnak az olyan időjárási mennyiségek, mint pl. a hőmérséklet és a csapadékmennyiség. Ezenkívül olyan emberi tényezők is hatnak rá, mint a gazdaság, a mezőgazdaság és az ipar. A környezeti adatok gyűjtésével lehetőség nyílt olyan adatvezérelt modellek létrehozására, amelyek meg tudják jósolni, hogy a szennyezettségi mutatók az egyes tényezők változásával milyen értékeket fognak felvenni. A kutatás első hipotézise az, hogy a gazdasági és társadalmi paraméterek prediktívmodell-bemeneteként használhatók a levegő minőségére. A kutatás második hipotézise szerint lehetséges olyan feketedoboz-alapú prediktív modellt létrehozni, amely figyelembe veszi az időjárási, a szennyezési és a gazdasági paramétereket. A kutatás eredménye azt bizonyítja, hogy a nagymennyiségű begyűjtött adatok gépitanulásos módszerekkel való feldolgozása által létre lehet hozni egy, a levegő minőségének becslésére alkalmas modellt. A jelen kutatási eredmények alapján további modelleket lehet létrehozni más környezeti információk predikciójára, ilyen például a vizek minősége. A modell segítségével előre lehet látni, hogy egy-egy paraméter változása milyen következményekkel járhat a környezetre. Environmental pollution is affected by weather quantities such as temperature and precipitation. In addition, it is affected by human factors such as the economy, agriculture and industry. By collecting environmental data, it has become possible to create data-driven models that can predict the pollution indicator values as each factor changes. The first hypothesis of the research is that economic and social parameters have an impact on air quality. The second hypothesis of the research is that it is possible to create a black box-based predictive model that takes into account weather, pollution, and economic parameters. The results of the research demonstrate that by processing large amounts of collected data, a model can be created that is suitable for estimating air quality by using machine learning methods. Based on the results of the present research, additional models can be developed to predict other environmental information, such as water quality. In practice, with the help of the model, it is possible to predict the consequences of a change in a parameter on the environment.

Item Type:	Book Section
Uncontrolled Keywords:	Környezeti adatok; levegőminőségi mutató; gépitanulás Environmental data; air quality index; machine learning
Divisions:	Műszaki Intézet > Természettudományi és Környezetvédelmi Tanszék
Depositing User:	Gergely Beregi
Date Deposited:	10 Jul 2025 12:34
Last Modified:	10 Jul 2025 12:34
URI:	https://publication.repo.uniduna.hu/id/eprint/1254
MTMT:	31720924

Actions (login required)

View Item