Development of software and algorithmic equipment for prediction of river water pollution using fractal analysis methods

Abstract

У статті досліджено застосування фрактальної моделі ARFIMA для прогнозування динаміки забруднення річкових вод на основі вимірювання біохімічного споживання кисню . Дослідження починається з огляду суміжних робіт у галузі аналізу якості води. На цьому етапі також вибирається відповідний набір даних, який використовується для навчання ARFIMA, однієї з моделей машинного навчання. Напівпараметричний алгоритм GPH застосовано для оцінки параметра фрактального диференціювання ARFIMA. Отримані результати порівнюються з аналогічними, отриманими для моделі ARIMA з використанням метрик RMSE та MAPE. Дослідження виявило підвищення точності прогнозування забруднення води з використанням фрактальних методів.

This paper explores the application of the ARFIMA fractal model for prediction of the dynamics of river water pollution based on BOD measure. The study begins by conducting a review of related works in the field of water quality analysis. At this stage also a suitable dataset is selected, that is used to train the ARFIMA, one of the machine learning models. GPH semi-parametric algorithm is applied for estimating the fractal differentiation parameter of the ARFIMA. The obtained results are compared with similar obtained with ARIMA model using RMSE and MAPE metrics. The study reveals an enhancement in accuracy with the use of fractal methods for water pollution prediction.