hybrid models

Development of Hybrid ARIMA-LSTM and Prophet-LSTM Models for Air Quality Forecasting in the Tangier Region

Accurately predicting tropospheric ozone (O$_3$) levels is essential for improving air quality in Tangier, given its significance as a major atmospheric pollutant.  In this study, we propose a hybrid forecasting approach that combines ARIMA-LSTM and Prophet-LSTM models to improve both the accuracy and robustness of ozone concentration predictions.  The method leverages the strengths of ARIMA and Prophet in capturing linear trends and seasonal variations, while leveraging the ability of LSTM networks to model nonlinear dynamics and long-term dependencies.  Comparative an

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ІДЕНТИФІКАЦІЇ ПРОПАГАНДИ В КОМЕНТАРЯХ TIKTOK НА ОСНОВІ NLP ТА ГЛИБИННОГО НАВЧАННЯ

У статті досліджено актуальну наукову проблему автоматизованого виявлення пропагандистського впливу в коротких текстових коментарях користувачів соціальної мережі TikTok, що функціонує в умовах гібридної війни та інтенсивних дезінформаційних кампаній. Розроблено гібридну модель (hybrid model) виявлення пропагандистського контенту, яка інтегрує глибокі контекстуальні представлення тексту (transformer-based contextual representations) на основі архітектури  BERT із додатковим вектором семіотичних та структурних ознак (кількість емодзі, повторення символів, використання великих літер).

Forecasting solar energy generation using deep learning models

The application of deep learning models for forecasting solar energy generation is considered.  An analysis and comparison of the efficiency of recurrent (LSTM, GRU), convolutional (CNN), and temporal convolutional networks (TCN) for forecasting time series of solar energy generation were conducted.  The possibility of improving forecasting accuracy by constructing a hybrid model combining ARIMA and CNN was explored.  The results of experiments for different EU countries are presented, and a comparison of models in terms of forecasting accuracy and computational efficiency is performed as w