Нейросетевая предиктивная модель для количественного анализа данных абсорбционной ИК-спектроскопии атмосферных газов | Известия вузов. Физика. 2025. № 11. DOI: 10.17223/00213411/68/11/3

Нейросетевая предиктивная модель для количественного анализа данных абсорбционной ИК-спектроскопии атмосферных газов

Предложены предиктивные модели для оценки концентрации малых газовых примесей атмосферы на основе обучающей выборки модельных данных абсорбционной ИК-спектроскопии. Спектры таргетных газов взяты из базы HITRAN. Исследованы следующие методы машинного обучения: регрессии опорных векторов и на основе случайного леса, LASSO, искусственная нейронная сеть прямого распространения. Предложен новый конвейер машинного обучения на основе искусственной нейронной сети, превосходящий по точности остальные методы. Полученные модели могут быть использованы для оценки концентрации таргетных газов в атмосфере по данным абсорбционной ИК-спектроскопии.

Скачать электронную версию публикации

Загружен, раз: 2

Ключевые слова

ИК-спектроскопия атмосферы, машинное обучение, количественный анализ, малые газовые составляющие атмосферы, индустриальные выбросы

Авторы

ФИО	Организация	Дополнительно	E-mail
Вражнов Денис Александрович	Национальный исследовательский Томский государственный университет	науч. сотр. лаборатории лазерного молекулярного имиджинга и машинного обучения	vda@mail.tsu.ru
Князькова Анастасия Игоревна	Национальный исследовательский Томский государственный университет	к.ф.-м.н., ст. преподаватель	a_knyazkova@bk.ru
Третьяков Аким Константинович	Национальный исследовательский Томский государственный университет	мл. науч. сотр. лаборатории лазерного молекулярного имиджинга и машинного обучения	dr.akim1998@yandex.ru
Шипилов Сергей Эдуардович	Национальный исследовательский Томский государственный университет	д.ф.-м.н., профессор, профессор кафедры радиофизики, директор научно-образовательного центра «Радиоэлектроника СВЧ»	s.shipilov@gmail.com
Кистенeв Юрий Владимирович	Национальный исследовательский Томский государственный университет	д.ф.-м.н., профессор, зав. лабораторией лазерного молекулярного имиджинга и машинного обучения, профессор кафедры общей и экспериментальной физики	yuk@iao.ru

Всего: 5

Ссылки

Murray C.J. et al. // The Lancet. - 2020. - V. 396. - No. 10258. - P. 1223-1249. - DOI: 10.1016/S0140-6736(20)30925-9.

Perera F. // Int. J. Environment. Res. Public Health. - 2018. - V. 15. - No. 1. - P. 16. - DOI: 10.3390/ijerph15010016.

Imran M. et al. // Environment. Sci. Pollution Res. - 2023. - V. 30. - No. 26. - P. 69080-69095. - DOI: 10.1007/s11356-023-27218-4.

Wei W., Wang Z. // Atmosphere. - 2021. - V. 12. - No. 5. - P. 639. - DOI: 10.3390/atmos12050639.

Goldschmidt J. et al. // Sensors. - 2022. - V. 22. - No. 3. - P. 857. - DOI: 10.3390/s22030857.