СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ МОНИТОРИНГА КОНЦЕНТРАЦИИ CO С ИСПОЛЬЗОВАНИЕМ IOT-СЕНСОРОВ

Аннотация

В статье представлен сравнительный анализ алгоритмов машинного обучения (ML) для мониторинга концентрации угарного газа (CO) с использованием IoT-сенсоров модели SENSOR - Mine 4GN в замкнутых промышленных пространствах. Рассмотрены методы линейной регрессии, ансамблевых моделей, таких как Random Forest и XGBoost, метод опорных векторов (SVM), а также рекуррентной нейронной сети LSTM. Показано, что LSTM обеспечивает наибольшую точность предсказания и минимизирует задержки при фиксации аномальных выбросов CO. Предложенная методика сочетает первичную фильтрацию шумов, правила подтверждения тревог и прогнозирование с помощью ML, что повышает надёжность системы мониторинга и снижает количество ложных сигналов. Результаты исследования подтверждают эффективность интеграции IoT-сенсоров и интеллектуальной обработки данных для обеспечения безопасности в шахтах и подземных сооружениях.