Modelovanje indikatora kvaliteta životne sredine primenom veštačkih neuronskih mreža

Abstract

Održivi razvoj i očuvanje životne sredine ne mogu se ostvariti bez poznavanja vrednosti indikatora koji opisuju kvalitet životne sredine. Direktive Evropske unije, kao i Ženevska konvencija nalažu predviđanje vrednosti emisija zagađujućih mate-rija više godina unapred, pa je upotreba odgovarajućih modela u tu svrhu neop-hodna. Predviđanja vrednosti indikatora kvaliteta životne sredine i održivog razvo-ja se sve češće, poslednjih godina, vrše primenom različitih statističkih modela i simulacijama. Sa napretkom ostvarenim u oblasti računarske tehnologije, veštačke neuronske mreže (ANN) postale su veoma zastupljene kod modelovanja složenih, kao i nelinearnih problema. U ovoj doktorskoj disertaciji je prikazan razvoj modela zasnovanih na veštačkim neuronskim mrežama za predviđanje vrednosti odabranih indikatora kvaliteta životne sredine, pri čemu su kao ulazne promenljive korišćeni dostupni ekonomski indikatori i indikatori održivog razvoja. Za statističke modele koji se uglavnom primenjuju u oblasti zaštite životne sredine neophodno je obezbediti veliki broj ulaznih podataka koji često nisu poznati ili je njihovo određivanje veoma složeno. Primenom modela razvijenih u okviru ove doktorske disertacije prevaziđen je pro-blem nedostatka podataka neophodnih za primenu postojećih modela, a dobijene su vrednosti indikatora koji opisuju kvalitet životne sredine, koje često nisu pozna-te na nacionalnom nivou, kako kod razvijenih zemalja, tako i kod zemalja u razvoju. Glavni ciljevi ove disertacije su bili razvoj ANN metodologije i modela za predviđa-nje sledećih indikatora kvaliteta životne sredine: emisija gasova staklene bašte i PM10 čestica, koncentracija PM10 čestica na nacionalnom nivou, količine generisa-nog komunalnog čvrstog otpada...

Sustainable development and environmental protection cannot be accomplished without knowing the values of basic environmental indicators, which describe the state of environment and effectiveness of applied environmental strategies and policies. European Union directives and the Geneva Convention require the fore-casting of the values of pollutant emission and concentration several years in ad-vance, and therefore the use of appropriate models for this purpose is necessary. In recent years, the usage of statistical models and simulation for predicting the values of environmental and sustainability indicators has been increased. Also, with the advent of modern computers, artificial neural networks (ANNs) become common modeling tool, meanly used for complex and nonlinear problem modeling. The present dissertation has demonstrated that ANNs can be successfully applied in predicting values of different environmental indicators using broadly available sustainability, economical and industrial indicators acting as inputs, in order to overcome the problem of incomplete environmental and sustainability data, which is notable in both developed and developing countries. The main goals of this re-search were to develop ANN-based methodology and models for the prediction of greenhouse gases (GHGs) and PM10 emissions at the national level, country-level PM10 concentrations, municipal waste generation (MWG) and dissolved oxygen (DO) concentration...