DOI: https://doi.org/10.20535/SRIT.2308-8893.2020.2.06

Використання Байєсових мереж для оцінювання точності результатів моделювання поширення домішок у повітрі за умови неточних вхідних даних

Regina V. Kryvakovska

Анотація


Розглянуто питання оцінювання точності результатів моделювання поширення домішок у повітрі в разі подання на вхід моделей неточних вхідних даних. Наведено обмеження на методи оцінювання точності для України. Для отримання оцінок запропоновано використання байєсових мереж з дискретними вхідними змінними. Подано структуру мережі та запропоновано методи заповнення таблиць імовірностей.

Ключові слова


оцінювання стану атмосферного повітря; байєсові мережі довіри

Повний текст:

PDF

Посилання


Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 4th Edition, Hoboken, USA: Pearson, 2020.

S. Johnson, “Integrated Bayesian Network frameworks for modeling complex ecological issues”, PhD thesis, 2009.

Eugene Santos Jr.,”Validation and verification of Bayesian knowledge-bases”, Data & Knowledge Engineering, vol. 37, pp. 307–329, 2001.

R.E. Kalman, “A New Approach to Linear Filtering and Prediction Problems”, Journal of Basic Engineering, vol. 82, pp. 35–45, 1960.

D.Q. Zheng, “Online update of model state and parameters of a Monte Carlo atmospheric dispersion model by using ensemble Kalman filter”, Atmospheric Environment, vol. 43, no. 12, pp. 2005, 2009.

M.A. Tolstykh, Application of ensemble Kalman filters in numerical weather forecast [Online]. Available: ftp://geophyslab.srcc.msu.ru/Events/CITES2009/Tolstykh_090709.pdf. Accessed on: January 16, 2016.

D. Heckerman, “A Tutorial on Learning with Bayesian Networks”, Technical Report MSR-TR-95-06, Microsoft Research, 1995.


Пристатейна бібліографія ГОСТ


1. С. Рассел, П. Норвиг, Искусственный интеллект: современный подход, пер. с англ. Москва: "Вильямс", 2006.

2. S. Johnson, “Integrated Bayesian Network frameworks for modeling complex ecological issues”, PhD thesis, 2009.

3. Eugene Santos Jr., ”Validation and verification of Bayesian knowledge-bases”, Data & Knowledge Engineering, vol. 37, pp. 307–329, 2001.

4. R.E. Kalman, “A New Approach to Linear Filtering and Prediction Problems”, Journal of Basic Engineering, vol. 82, pp. 35–45, 1960.

5. D.Q. Zheng, “Online update of model state and parameters of a Monte Carlo atmospheric dispersion model by using ensemble Kalman filter”, Atmospheric Environment, vol. 43, no. 12, pp. 2005, 2009.

6. М.А. Толстых, Применение ансамблевых фильтров Калмана в численном прогнозе погоды [Електронний ресурс]. Доступно: ftp://geophyslab.srcc.msu.ru /Events/CITES2009/Tolstykh_090709.pdf

7. D. Heckerman, “A Tutorial on Learning with Bayesian Networks”, Technical Report MSR-TR-95-06, Microsoft Research,1995.