Нейросетевое прогнозирование динамики временного ряда на примере содержания частиц пыли в атмосферном воздухе

Целью настоящего исследования является создание модели для прогнозирования динамики содержания частиц пыли PM 2,5 в атмосфере мегаполиса с использованием резервуарных вычислений на основе искусственной нейронной сети. Работа выполнена на данных по содержанию частиц пыли, собранных в Сеуле, Южная Корея, собранных в период с января по август 2017 года. Всего было построено шесть моделей на основе искусственной нейронной эхо-сети для предсказания динамики концентрации PM 2,5. Применение предложенного подхода показало эффективность моделей на основе искусственной нейронной эхо-сети для прогнозирования содержания пыли в атмосферном воздухе мегаполисов. Точность и качество моделей были улучшены от 9 до 67% в зависимости от оценочного показателя по сравнению с базовой моделью. Установлено, что точность модели падает, если предсказываемый временной интервал превышает 6% от обучающего временного интервала.