Модели самоорганизующихся искусственных нейронных сетей для идентификации стационарных промышленных источников загрязнения воздуха

Рассмотрена задача идентификации одного конкретного или нескольких возможных источников загрязнения, виновных в ухудшении качества воздушной среды в результате превышения норм предельно допустимых выбросов. В работе решается модельная задача с группой пространственно разделённых стационарных постоянно действующих промышленных источников. Представлены постановка задачи идентификации и метод её решения с использованием двух архитектур искусственных нейронных сетей: нейронных сетей Кохонена для квантования обучающих векторов (Kohonen’s networks for learning vector quantization) с фиксированной и адаптивной структурами и сети адаптивного резонанса (adaptive resonance theory network, ART) для аналоговых входных сигналов (АРТ-2). Метод состоит в кластеризации данных, которую обеспечивают алгоритмы самообучения (обучения без учителя). Даны расчётные соотношения и описаны алгоритмы работы нейронных сетей Кохонена и адаптивного резонанса на различных стадиях жизненного цикла. Проведён сравнительный анализ результатов решения модельной задачи, полученных с использованием каждой из сетей.