ivdon3@bk.ru
В статье рассматриваются современные подходы к прогнозированию и обнаружению лесных пожаров с использованием технологий машинного обучения и данных дистанционного зондирования. Особое внимание уделено применению алгоритмов компьютерного зрения, таких как сверточные нейронные сети и трансформеры, для детекции и сегментации очагов возгорания на снимках с беспилотных летательных аппаратов. Отмечается высокая эффективность гибридных архитектур и легковесных моделей для работы в реальном времени.
Ключевые слова: лесные пожары, прогнозирование, беспилотные летательные аппараты, глубокое обучение, сверточные нейронные сети, трансформеры, сегментация изображений
В статье рассматривается применение рекуррентной нейронной сети в задаче прогнозирования загрязняющих веществ в воздухе на основе смоделированных данных в виде временного ряда. Для построения прогноза используются модели нейронной рекуррентной сети с долгой краткосрочной памятью (Long Short-Term Memory - LSTM). Однонаправленной LSTM (далее просто LSTM), а также и двунаправленной LSTM (Bidirectional LSTM, далее Bi-LSTM). Оба алгоритма были применены для температуры, влажности, концентрации загрязняющих веществ и других параметров, учитывая, как сезонные, так и краткосрочные изменения. Сеть Bi-LSTM показала лучшую производительность и наименьшие ошибки.
Ключевые слова: экологический мониторинг, анализ данных, прогнозирование, рекуррентные нейронные сети, долгая краткосрочная память, однонаправленная, двунаправленнная