РП6 – Етап 2 – AQI моделиране и прогнозиране
Планирани дейности през етап 2
Дейност 6.3
Създаване и тестване на нови хибридни методи за създаване на статистически модели с повишени предсказващи характеристики, приложими за краткосрочни бъдещи прогнози в реално време за различните класификационни групи населени места.
Дейност 6.5
Алгоритмизация, тестване и софтуерна реализация на комплекса от статистически методи за онлайн краткосрочни прогнози за чистотата / замърсяванията на въздуха.
Дейност 6.6
(отпаднала от работната програма)
Дейност 6.7
Обновяване и подобряване на създадения комплекс от методи и подходи за моделиране и прогнозиране на замърсявания на въздуха.
Постигнати резултати през етап 2
През етап 2 всички планирани резултати по РП6 са постигнати, както е обобщено по-долу:
- Разработени са общо около 180 модела са с вградено тестване и самообучение (supervised machine learning), и с реализирано валидиране чрез прогнозиране на външна тестова извадка, която не се използва в моделната процедура и симулира бъдещи данни.
- Чрез тестване за краткосрочни прогнози е доказано, че моделите са напълно подходящи за реално бъдещо прогнозиране на замърсявания на въздуха при наличие на данни/прогнози за метеорологични и атмосферни променливи за дадено населено място. Използвани са лицензирани софтуерни версии на: Salford Predictive Modeler, IBM SPSS, Wolfram Mathematica, Excel и свободен за използване софтуер, като Phyton и др.
- Постигнатите резултати по този работен пакет са представени в следните научни публикации:
- В списания с импакт фактор / импакт ранг – 1,75 бр.1
[6.1*] S.G. Gocheva-Ilieva, A.V. Ivanov, H.N. Kulina, M.P. Stoimenova-Minova. 2023. “Multi-Step Ahead Ex-Ante Forecasting of Air Pollutants Using Machine Learning”. Mathematics, Vol. 11, Issue 7, Article No. 1566. MDPI. eISSN: 2227-7390. DOI: 10.3390/math11071566
WoS, IF=2.3 / Q1 (top 5%); Scopus, SJR=0.475 / Q2
https://www.mdpi.com/2227-7390/11/7/1566[6.2*] S.G. Gocheva-Ilieva, A.V. Ivanov, M.P. Stoimenova-Minova, S.K. Koleva-Pavlova. 2023. “Discrete Wavelet Transform and Ensemble Tree Algorithms for Air Pollutant Modeling: A Case Study”. International Journal of Membrane Science and Technology, Vol. 10, No. 4, pp. 1357-1373. September. ISSN: 2410-1869. DOI: 10.15379/ijmst.v10i4.2251. Scopus, SJR2022=0.143 / Q4
https://cosmosscholars.com/phms/index.php/ijmst/article/view/2251 - В трудове на конференции, реферирани в WoS/Scopus – 3 бр.
[6.3*] A.V. Ivanov, S.G. Gocheva-Ilieva, M.P. Stoimenova-Minova. 2023. “Temporal-causal modeling of air pollution in the city of Plovdiv, Bulgaria: A case study”. 15th Conference of the Euro-American Consortium for Promoting the Application of Mathematics in Technical and Natural Sciences (AMiTaNS 2023), Albena, Bulgaria. 21-26 June. Journal of Physics: Conference Series, Vol. 2675 (1), Art. No. 012002, IOP Publishing. ISSN: 1742-6588 / 1742-6596. DOI: 10.1088/1742-6596/2675/1/012002. Scopus, SJR=0.180 / Q4
https://iopscience.iop.org/article/10.1088/1742-6596/2675/1/012002[6.4*] A. Ivanov, S. Gocheva-Ilieva, M. Stoimenova-Minova. 2024. “Exploring SO2 air pollution in Plovdiv through multivariate adaptive regression splines: A case study”. 16th Conference of the Euro-American Consortium for Promoting the Application of Mathematics in Technical and Natural Sciences (AMiTaNS 2024), Albena, Bulgaria. 21-26 June. Journal of Physics: Conference Series, Vol. 2910, Art. No. 012017, IOP Publishing. ISSN: 1742-6588 / 1742-6596. DOI: 10.1088/1742-6596/2910/1/012017. Scopus, SJR=0.180 / Q4
https://iopscience.iop.org/article/10.1088/1742-6596/2910/1/012017[6.5*] M. Stoimenova-Minova, S. Gocheva-Ilieva, A. Ivanov. 2024. “Application of Discrete Wavelet Transform and Tree-Based Ensemble Machine Learning for Modeling of Particulate Matter Concentrations”. In: Gayoso Martínez, V., Yilmaz, F., Queiruga-Dios, A., Rasteiro, D.M., Martín-Vaquero, J., Mierluş-Mazilu, I. (eds.), Mathematical Methods for Engineering Applications. Springer Proceedings in Mathematics and Statistics, Vol. 439, pp. 171-183. Springer, Cham. ISSN: 2194-1009 / 2194-1017. ISBN: 978-303149217-4. DOI: 10.1007/978-3-031-49218-1_12.
Scopus, SJR2023=0.168
https://link.springer.com/chapter/10.1007/978-3-031-49218-1_12 - Монография – 1 бр.
[6.5*] S. Gocheva-Ilieva, A. Ivanov, M. Stoimenova-Minova. 2025. “Stochastic and Tree-Based Machine Learning for Air Pollution Forecasting”. Nova Science Publishing, New York. (монография, одобрена за публикуване; подписан договор с издателя – вж. директория '9. Научни публикации' на приложената флашка; ще се реферира в Scopus)
1 Общият брой на публикациите в тази категория не е цяло число, тъй като приносът на проекта за публикация [6.1*] се оценява на 75%, отчитайки съотношението на авторите – членове на колектива на проекта (3 бр.) към общия брой автори (4 бр.), тъй като в статията има изказана благодарност и към друг (български) проект на ФНИ с № KP-06-N52/9.