Розробка моделі з використанням випадкового лісу для системи виявлення чадного газу на основі бездротового оптико-електронного сенсора концентрації

Abstract

В роботі запропоновано модель з використанням випадкового лісу для системи виявлення чадного газу на основі бездротового оптико-електронного сенсора концентрації. В певному середовищі, яке може бути небезпечним для людини, розміщується сенсор, який дистанційно передає інформацію про концентрацію газу на комп`ютер, де за допомогою машинного навчання відбувається обробка отриманої інформації. В якості такого сенсора запропоновано використати оптико-електронний сенсор концентрації чадного газу завдяки високій чутливості, точності, надійності та стабільності, а також швидкій реакції, безконтактності вимірювань, стійкості до завад, можливості дистанційного моніторингу та мінімальним технічним обслуговуванням. В якості методів машинного навчання запропоновано використати метод випадкового лісу, оскільки він забезпечує високу точність в умовах неоднорідних даних та складних нелінійностей, добре працює з мінімальним тонким налаштуванням гіперпараметрів, має високу інтерпритованість, стійкість та гнучність і найбільше підходить для виявлення чадного газу. Такі системи можуть виявляти чадний газ, шляхом вимірювання його концентрації з високою точністю за рахунок збору оптико-електронним сенсором даних у режимі реального часу, що в поєднанні з обробкою зібраних даних за допомогою машинного навчання демонструє великий потенціал у виявленні чадного газу, вимірюванні його концентрації і, відповідно, раннього попередження про його появу. Також в роботі запропоновано використовувати модель випадкового лісу для обробки даних бездротового оптико-електронного сенсора концентрації чадного газу. Для навчання цієї моделі запропоновано ознаки, що характеризують рівень поглинання та відносні зміни інтенсивності. Дослідження запропонованої моделі виявлення чадного газу на основі випадкового лісу було проведено шляхом моделювання, під час якого оцінювались точність навчання та перевірки моделі, чутливість, F-оцінка, ефективність, побудовано матрицю сплутаності за класами, а також дано оцінку важливості ознак.