文献

J-GLOBAL ID：201702240414485301   整理番号：17A0268070

PSO-BPニューラルネットワークに基づく広州市の毎日のPM_(10)濃度を予測した。【JST・京大機械翻訳】

Prediction of Daily Averaged PM_(10) Concentrations Based on PSO-BP Neural Networks in Guangzhou

著者 (4件)： Yin Anqi (Department of Biostatistics,School of Public Health,Southern Medical University) ,  Lin Yuanyi (Department of Biostatistics,School of Public Health,Southern Medical University) ,  Lin Weijun (Department of Biostatistics,School of Public Health,Southern Medical University) ,  Ou Chunquan (南方医科大学公共衛生学院生物統計学系)
資料名： Zhongguo Weisheng Tongji  (Zhongguo Weisheng Tongji)
巻： 33  号： 5  ページ： 763-766  発行年： 2016年 
JST資料番号： C2278A  ISSN： 1002-3674  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:多変量線形回帰モデルとPSO-BPニューラルネットワークモデルを用いて、広州市の毎日のPM_(10)濃度に対して1日前の予測を行い、2種類のモデルの予測効果を比較し、環境管理の意思決定に根拠を提供する。方法:2008年1月1日から2011年11月30日までのPM_(10)濃度と気象データを用いて,2つのモデルを構築し,2011年12月1日から12月31日までのデータを用いて2つのモデルの予測効果を検証した。結果:1日前のPM_(10)、最大風速、最小相対湿度、日平均気温、可視度は第二日PM_(10)濃度を予測する5つの主要な影響因子であり、その中の1日前のPM_(10)濃度と予測したPM_(10)濃度の相関性は最も高かった(0.66)。PSO-BPニューラルネットワークモデルの決定係数(R2)は0.80であり,多重線形回帰モデルと比較して,二乗平均平方根誤差(RMSE)は6.20%減少し,平均絶対誤差(MAE)は8.73%減少した。平均絶対偏差(MAPE)は%%減少し,平均絶対偏差(PMAD)は%%減少した。【結論】PSO-BPニューラルネットワークモデルの予測効果は,多重線形回帰モデルよりも優れており,PM_(10)濃度を効果的に予測し,予測することができ,大気粒子濃度予測のための方法論的参照を提供することができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 相対湿度 ,  意思決定 ,  平均気温 ,  気象データ ,  可視度 ,  *ニューラルネットワーク ,  浮遊粒子状物質
準シソーラス用語： 絶対誤差 ,  多重線形回帰 ,  決定係数 ,  影響因子 ,  最大風速 ,  神経回路網モデル ,  多変量線形回帰 ,  *広州市 , 【Automatic Indexing@JST】

著者キーワード (5件)： MLR model ,  PSO-BP ,  PM_(10) ,  Meteorology factor ,  Forecasting

分類 (1件)： 粒状物調査測定  (SB03060E)

タイトルに関連する用語 (2件)： 広州市 ,  予測