ПРОГНОЗИРОВАНИЕ ЗАГРЯЗНИТЕЛЕЙ ВОЗДУХА С ПОМОЩЬЮ IOT И МАШИННОГО ОБУЧЕНИЯ

Мы представляем умный контейнер на базе IoT использующий модель машинного и глубокого обучения для управления вывозом мусора и прогнозирования уровня загрязнения воздуха в окружающей контейнер среде. Мы провели эксперименты с традиционной моделью (алгоритм k-nearest neighbours (k-NN) и логистическая регрессия) и нетрадиционным алгоритмом (глубокое обучение на основе сети long short term memory (LSTM)) для создания предупреждающих сообщений о состоянии контейнера и прогнозирования количества загрязняющего воздух угарного газа (CO) присутствующего в воздухе в конкретный момент времени. Точность логистической регрессии и алгоритма k-NN составляет 79 % и 83 % соответственно в тестовой среде реального времени для прогнозирования состояния бункера. Точность модифицированной LSTM и простой LSTM-моделей составляет 90 % и 88 % соответственно для предсказания будущей концентрации газов в воздухе. В результате работы системы задержка в создании и передаче тревожного сообщения работнику санитарной службы составила 4 с. Система обеспечивает мониторинг уровня мусора в реальном времени а также уведомления от механизма оповещения.