Narendran Sobanapuram Muruganandam
Fellow
Narendran Sobanapuram Muruganandam hat seine Postdoc-Forschung im Department für Informationsengineering und Informatik an der Universität Trient, Italien, abgeschlossen. Er promovierte 2023 in Computer Science Engineering an der SASTRA University in Thanjavur. Seine Arbeit konzentriert sich auf fortgeschrittene, KI-gesteuerte Vorhersagen von Luftverschmutzung, insbesondere PM2.5 und PM10. Er hat ein neuartiges SS-LSTM Deep-Learning-Modell zur Vorhersage von Feinstaub mitverfasst, das eine überlegene Leistung im Vergleich zu traditionellen Ansätzen mit Daten aus Delhi zeigt. Im Jahr 2023 entwickelte er ein dynamisches Ensemble-Modell für multivariate Zeitserien zur Vorhersage von PM2.5 an mehreren städtischen Standorten in Chennai. Seine Forschung zielt darauf ab, das Management der städtischen Luftqualität durch skalierbare computergestützte Modelle sowie prädiktive Analysen und den Klimawandel zu verbessern.
- KI-gesteuerte Luftqualitätsvorhersage entwickelte fortschrittliche Modelle des maschinellen Lernens und des tiefen Lernens, wie SS-LSTM, um PM₂.₅- und PM₁₀-Werte zuverlässig vorherzusagen, die über die Standardstatistik hinausgehen.
- Innovatives dynamisches Ensemble-Zeitreihenmodellieren arbeitete an einem mehrstandortbezogenen Vorhersagerahmen für Chennai, wodurch die Vorhersagegenauigkeit für städtische Luftverschmutzung an vielen Überwachungsstationen gesteigert wurde.
- Integrierte prädiktive Analytik in der Klimaforschung, wobei KI-Ansätze mit Klimadatenanalysen verwendet wurden, um ein nachhaltiges städtisches Umweltmanagement und fundierte politische Entscheidungen zu fördern.
- Skalierbare rechnergestützte Modellierung entwickelte flexible Modelle für den Echtzeiteinsatz in großflächigen Luftqualitätsüberwachungsnetzen in Smart Cities.
- Hochwirksame Forschung produzierte und ko-autorisierte begutachtete Artikel, die zur Entwicklung der Umwelt-Datenwissenschaft, der tiefen Lernarchitekturen und der prädiktiven Modellierung für Anwendungen im Bereich der öffentlichen Gesundheit beitrugen.
- Künstliche Intelligenz für Umweltvorhersagen
- Deep Learning zur Vorhersage der Luftqualität
- Zeitreihenanalyse und -modellierung
- Prädiktive Analytik für den Klimawandel
- Computational Modeling für intelligente Städte
- Datengetriebene Entscheidungen für Umweltschutzsysteme
Publikationen vor der Tätigkeit am RIFS
- Narendran Sobanapuram Muruganandam and Umamakeswari Arumugam. 2023. Dynamic ensemble multivariate time series forecasting model for PM2.5. CSSE 44, 2 (2023), 979-989. DOI:https://doi.org/10.32604/csse.2023.024943
- Narendran Sobanapuram Muruganandam and Umamakeswari Arumugam. 2022. Seminal Stacked Long Short-Term Memory (SS-LSTM) Model for Forecasting Particulate Matter (PM2.5 and PM10). Atmosphere 13, 10 (October 2022), 1726. DOI:https://doi.org/10.3390/atmos13101726