Detekce anomálií v otevřených datech o znečištění ovzduší polétavým prachem
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F19%3A00334916" target="_blank" >RIV/68407700:21240/19:00334916 - isvavai.cz</a>
Výsledek na webu
<a href="https://hi.kkui.fei.tuke.sk/daz2019/DaZ_WIKT_2019_Zbornik.pdf" target="_blank" >https://hi.kkui.fei.tuke.sk/daz2019/DaZ_WIKT_2019_Zbornik.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Detekce anomálií v otevřených datech o znečištění ovzduší polétavým prachem
Popis výsledku v původním jazyce
Senzorická síť veřejného osvětlení na pražském Karlínském náměstí poskytuje měření znečištění ovzduší polétavým prachem PM10 jako otevřená data. V této práci v nich detekujeme anomálie pomocí algoritmů strojového učení pro predikci časových řad a prahování. Chceme, aby se algoritmus strojového učení naučil pravidelnosti v datech a pokud se stane něco neočekávaného, tak to prahováním odhalíme. Experimentovali jsme s lineární regresí a LSTM rekurentní neuronovou sítí, které jsme mezi sebou porovnávali střední kvadratickou chybou. Ukázalo se, že lineární regrese, která predikuje z posledních dvou měření, dosahuje lepších výsledků. Anomálie jsme detekovali z rozdílů predikovaných a skutečných hodnot. Práh pro detekování anomálií jsme vypočítali z histogramu rozdílů predikcí a skutečně naměřených hodnot. Testování ukázalo, že takto navržená metoda dokáže odhalit některé anomálie v měřeních polétavého prachu PM10, ale mnoho anomálií (například postupně nabíhajících) nedetekuje.
Název v anglickém jazyce
Anomaly detection in particulate matter pollution open data
Popis výsledku anglicky
The paper is focused on an anomaly detection in particulate matter pollution open data. There are several street lights in Prague (Karlín) providing measurements from various sensors, including PM10. In this paper, we use machine learning algorithms for the anomaly detection: linear regression and LSTM neural network.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
DATA A ZNALOSTI & WIKT 2019
ISBN
978-80-553-3354-0
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
66-71
Název nakladatele
Technická univerzita v Košiciach
Místo vydání
Košice
Místo konání akce
Košice
Datum konání akce
10. 10. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—