| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Razvoj razložljivega napovednega modela za določitev prispevkov prometa h koncentracijam trdnih delcev v zunanjem zraku
Avtorji:ID Lešnik, Uroš (Avtor)
ID Mongus, Domen (Mentor) Več o mentorju... Novo okno
ID Lep, Marjan (Komentor)
Datoteke:.pdf DOK_Lesnik_Uros_2026.pdf (2,98 MB)
MD5: 92B388209767340B3FBBE92917ACA91B
 
Jezik:Slovenski jezik
Vrsta gradiva:Doktorsko delo/naloga
Tipologija:2.08 - Doktorska disertacija
Organizacija:FGPA - Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo
Opis:V doktorski nalogi smo preučevali vpliv cestnega prometa na kakovost zunanjega zraka z delci PM10, da bi preverili hipotezo, ali je možno z uporabo genetskega algoritma na osnovi strojnega učenja učinkovito napovedati kakovost zunanjega zraka ter sočasno še določiti vpliv prometa na koncentracije trdnih delcev v zunanjem zraku. Razvili smo metodologijo napovedi kakovosti zunanjega zraka na osnovi meteoroloških podatkov in podrobnejših podatkov o količini ter strukturi prometa in jo validirali na preteklih izmerjenih podatkih. Uporabljena metoda se je izkazala za uspešno, saj je natančnejša od primerjanih, hkrati pa sočasno omogoča še določitev vpliva prometa na kakovost zunanjega zraka s pomočjo uteži razlagalnih (pojasnjevalnih) spremenljivk. Izvedli smo analizo obstoječih napovedi Agencije Republike Slovenije za okolje in primerjavo z novo razvito metodologijo iz te naloge. Rezultati so pokazali primerljivo natančnost v napovedi razreda onesnaženosti z delci PM10. S pomočjo pojasnjevalnih spremenljivk smo določili vpliv cestnega prometa na koncentracije delcev PM10. Rezultate smo primerjali s podobnimi raziskavami v Sloveniji in v svetu; primerjava je pokazala, da so rezultati primerljivi. Študija je pokazala, da se v tako dolgem časovnem obdobju raziskovanja (2013–2020) že pojavijo določene razlike pri emisijah skupin virov (zamenjava avtomobilov, sanacije kurilnih naprav, spremenjene vremenske razmere, prerazporeditve prometnih tokov v mestu), kar je treba pri napovedi upoštevati.
Ključne besede:trdni delci, promet, določitev vpliva, genetski algoritem, strojno učenje
Kraj izida:Maribor
Založnik:U. Lešnik]
Leto izida:2025
PID:20.500.12556/DKUM-96155 Novo okno
UDK:504.5:621.43.068:519.87:004.8(043.3)
COBISS.SI-ID:280489731 Novo okno
Datum objave v DKUM:03.06.2026
Število ogledov:218
Število prenosov:24
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FG
:
Kopiraj citat
  
Skupna ocena:(1 glas)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:04.12.2025

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Developtment of explanatory forecasting model for determining traffic contributions to the concentrations of solid particles in outdoor air
Opis:This thesis investigates the influence of road traffic on air quality, specifically focusing on PM10 particulate matter. We aim to assess the effectiveness of a genetic algorithm based on machine learning in predicting air quality while simultaneously determining the impact of traffic on solid particles in outdoor air. We developed a forecasting methodology that integrates meteorological data with detailed traffic data, including traffic volume and composition, and validated this approach against historical measurements. Our method demonstrated superior accuracy compared to existing models and enables the quantification of the impact of traffic on air quality through the analysis of explanatory variable weights. We analysed the forecasts provided by Slovenian environmental agency and compared them with our newly developed methodology. The results indicated comparable accuracy in predicting PM10 pollution levels. By examining the explanatory variables, we quantified the impact of road traffic on PM10 concentrations and benchmarked our findings against similar studies conducted in Slovenia and internationally, revealing comparable results. The study highlighted significant shifts in emission source categories over the research period (2013-2020), including vehicle replacement, upgrades to heating systems, climate change effects, and changes in urban traffic patterns. These factors must be accounted for in future forecasts.
Ključne besede:particulate matter, traffic, impact determination, genetic algorithm, machine learning


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici