CONSTRUCTING A MODEL FOR FORECASTING APPLIED PROBLEMS USING GENERATIVE ADVERSARY NETWORKS
Keywords:
Generative Adversarial Networks (GAN), time series forecasting, air quality, LSTM neural networks, TimeGAN, weather data processing, hyperparameter optimizationAbstract
The article discusses the development and implementation of a predictive model based on an advanced Conditional GAN architecture for forecasting air quality time series. Using synthetic multicomponent data that simulates realworld PM2.5 and PM10 pollutant concentrations—accounting for trends, seasonality, and noise—the authors investigate the specifics of adversarial training utilizing LSTM layers and 1D Convolutional Networks (1D ConvNet). A comparative analysis of stability and error metrics is conducted between GAN and classical LSTM models, alongside a comprehensive set of strategies for hyperparameter optimization and prevention of mode collapse.
References
1. Ю. Ван и др.Послойное обучение признаков с использованием глубоких нейронных сетей на основе остаточных значений для прогнозирования качества в промышленности. IEEE Trans. Instrum.Meas. (2022).
2. Визуализация прогнозов Х. Рен и др.Исследование структуры цифрового двойника для систем ручной сборки специализированных изделий.Журнал производственных систем (2023).
3. X. Лиан и др. Комбинированный подход к прогнозированию качества продукции на основе регрессии опорных векторов и модели серого прогнозирования.Adv. Eng. Inf. (2023).
4. С. Лю и др.Диагностика неисправностей оборудования с использованием небольшой выборки на основе генеративносостязательной сети с вариационными информационными ограничениями.Adv. Eng. Inf. (2022).
5. Дж. Фан и др .GAN Вассерштейна с полным вниманием и градиентной нормализацией для диагностики неисправностей в условиях несбалансированных данных. IEEE Trans. Instrum. Meas. (2022).
6. Ю. Лю. TF-F-GAN: модель на основе GAN для прогнозирования физических полей сборки при многомодальном слиянии переменных в Vision Transformer.Adv. Eng. Inf. (2024). 7.С. Чжан.На пути к интеллектуальному производству нового поколения, ориентированному на человека, в рамках Индустрии 5.0: систематический обзор.Adv. Eng. Inf. (2023).
