Naslov diplomskega dela: Detekcija anomalij v meritvah onesnaževal zraka

Povzetek:

Onesnaženost zraka predstavlja resen okoljski problem, ki lahko slabo vpliva na zdravje ljudi in kakovost okolja. V diplomski nalogi se osredotočamo na detekcijo anomalij v meritvah onesnaževal zraka: žveplovega dioksida (SO2), ozona (O3), dušikovega dioksida (NO2), dušikovega oksida (NO), ogljikovega monoksida (CO) in delcev PM10. Podatki so bili pridobljeni s strani Agencije Republike Slovenije za okolje (ARSO). Zaznavanje anomalij v meritvah je ključno za zagotavljanje zanesljivih podatkov, saj lahko anomalije v podatkih kažejo na tehnične napake senzorjev oziroma kakšen drug izreden dogodek. V nalogi smo implementirali in primerjali tri različne modele strojnega učenja: XGBoost, LSTM samokodirnik in matrični profil. Med analiziranimi metodami se je najbolje izkazal model XGBoost, saj je uspešno zaznal največje število anomalij ter dosegel najvišje vrednosti metrik za ocenjevanje uspešnosti.

Mentor: doc. dr. Petar Vračar

Somentor: doc. dr. Jana Faganeli Pucer

Komisija za zagovor:​

doc. dr. Petar Vračar (predsednik in mentor),

doc. dr. Bojan Žunkovič (član),

doc. dr. Jana Faganeli Pucer (somentorica).

Prostor: Predavalnica 18