prikaz prve stranice dokumenta Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža
  Download
PDF 1.99 MB
master's thesis
Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža
Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2024. urn:nbn:hr:200:096045
Gudelj, Ivan
Josip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
Department of Computer Engineering and Automation
Chair of Automation and Robotics

Institutional repository: Faculty of Electrical Engineering, Computer Science and Information Technology Osijek

Cite this document

Gudelj, I. (2024). Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža (Master's thesis). Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek. Retrieved from https://urn.nsk.hr/urn:nbn:hr:200:096045

Gudelj, Ivan. "Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:096045

Gudelj, Ivan. "Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:096045

Gudelj, I. (2024). 'Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža', Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, accessed 10 January 2025, https://urn.nsk.hr/urn:nbn:hr:200:096045

Gudelj I. Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek; 2024 [cited 2025 January 10] Available at: https://urn.nsk.hr/urn:nbn:hr:200:096045

I. Gudelj, "Modeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža", Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, Osijek, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:200:096045

Metadata
TitleModeliranje dnevnih koncentracije čestica u zrak pomoću konvolucijskih neuronskih mreža
Title (english)Modeling daily concentrations of air particles using convolutional neural networks
AuthorIvan Gudelj
MentorEmmanuel Karlo Nyarko (mentor)
MentorMario Lovrić (sumentor)
Committee memberEmmanuel Karlo Nyarko (predsjednik povjerenstva)
Committee memberRatko Grbić (član povjerenstva)
Committee memberIvan Vidović (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
Faculty of Electrical Engineering, Computer Science and Information Technology Osijek
(Department of Computer Engineering and Automation)
(Chair of Automation and Robotics)
Osijek
Defense date and country2024-02-05, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Artificial Intelligence
Abstract
Ovaj rad fokusira se na unapređenje predikcije dnevnih koncentracija čestica u zraku na urbanim mjernim mjestima korištenjem konvolucijskih neuronskih mreža (CNN). Predviđeno je da 1D CNN, u usporedbi s algoritmima poput Random Forests, ima veću moć predviđanja. Podaci za predikciju oblikovani su kao vremenske multivarijatne vremenske serije. Analiza podataka provodila se korištenjem Pythona i MATLAB-a, dok je testiranje parametara modela izvedeno u Pythonu kako bi se identificirali optimalni parametri i stvorio što precizniji model. Rezultati pokazuju da je CNN model nadmašio performanse drugih modela, izraženo kroz koeficijente determinacije i apsolutne pogreške. Prikazuje se kako se predviđanja CNN modela usklađuju s stvarnim podacima, a svi modeli ukazuju na mogućnosti dodatne optimizacije. Daljnja analiza koncentracije ozona (O3) ilustrira sezonske varijacije i ukazuje na važnost praćenja koncentracija štetnih tvari u zraku. Iako su rezultati obećavajući, naglašava se potreba za nastavkom praćenja i smanjenjem emisija kako bi se očuvala kvaliteta zraka, posebno u urbanim područjima. Ovo istraživanje ukazuje na uspješnost 1D CNN u predviđanju koncentracija čestica u zraku, pridonoseći novim saznanjima i potičući daljnja istraživanja na polju kvalitete zraka.
Abstract (english)
This study focuses on improving the prediction of daily air particle concentrations at urban monitoring sites using 1D convolutional neural networks (CNN). It is hypothesized that 1D CNN, compared to algorithms like Random Forests, possesses greater predictive power. The prediction data is structured as multivariate time series. Data analysis was conducted using Python and MATLAB, and model parameter testing was performed in Python to identify optimal parameters and create the most efficient model. Results indicate that the CNN model outperformed other models, as evidenced by coefficients of determination and absolute errors. The predictions of the CNN model align with actual data, with all models suggesting potential for further optimization. Further analysis of ozone (O3) concentrations illustrates seasonal variations and underscores the importance of monitoring harmful air pollutant concentrations. While the results are promising, there is a need for ongoing monitoring and emission reduction efforts to preserve air quality, especially in urban areas. This research highlights the success of 1D CNN in predicting air particle concentrations, contributing new insights and encouraging further research in the field of air quality.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:200:096045
Study programmeTitle: Graduate University Study Programme in Computer Engineering
Study programme type: university
Study level: graduate
Academic / professional title: sveučilišni/a magistar/magistra inženjer/inženjerka računarstva (sveučilišni/a magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2024-02-08 13:17:12