Система виявлення метану на основі бездротового оптико-електронного сенсора концентрації з використанням нейронної мережі

Abstract

The work proposes a model using a multilayer perceptron for a methane concentration measurement system based on a wireless optoelectronic sensor. In a controlled environment that may be dangerous to humans, a sensor is located that remotely transmits information about the methane concentration to a computer, where a neural network processes the received data. As a neural network, it is proposed to use a multilayer perceptron due to its simplicity in implementation and high efficiency for gas concentration estimation tasks in conditions of a small or medium training sample size. The main indicators of the effectiveness of the proposed multilayer perceptron model, which were determined during the research, were selected as the mean square error (MSE) and the mean absolute error (MAE). To analyze these indicators, the change in MSE and accuracy during model training and validation, the comparison of data from the optical sensor and the model, as well as the assessment of the change in MSE and MAE during the measurement process, were carried out.

В роботі запропоновано модель з використанням багатошарового перцептрона для системи вимірювання концентрації метану на основі бездротового оптико-електронного сенсора. В контролюючому середовищі, яке може бути небезпечним для людини, розташовується сенсор, який дистанційно передає інформацію про концентрацію метану на комп’ютер, де нейронна мережа здійснює обробку отриманої інформації. В якості нейронної мережі запропоновано використати багатошаровий перцептрон завдяки простоті у реалізації та високій ефективності для задач оцінки концентрації газу в умовах невеликого або середнього обсягу навчальної вибірки. Основними показниками ефективності запропонованої моделі багатошарового перцептрона, що визначалися в процесі дослідження, було обрано такі характеристики як середньоквадратична похибка (MSE) та середня абсолютна похибка (MAE). Для аналізу цих показників було проведено моделювання зміни MSE та точності під час навчання та перевірки моделі, порівняння даних з оптичного сенсора та з моделі, а також оцінки зміни MSE та MAE в процесі вимірювання.