文献

J-GLOBAL ID：201702295666180669   整理番号：17A0106268

全体の経験的モード分解とサポートベクトル回帰に基づく北京市PM2.5予測【JST・京大機械翻訳】

PM2.5 Prediction of Beijing City Based on Ensemble Empirical Mode Decomposition and Support Vector Regression

著者 (6件)： Qin Xiwen (Graduate School, Changchun University of Technology) ,  Liu Yuanyuan (School of Basic Sciences, Changchun University of Technology) ,  Wang Xinmin (School of Basic Sciences, Changchun University of Technology) ,  Dong Xiaogang (School of Basic Sciences, Changchun University of Technology) ,  Zhang Yu (School of Basic Sciences, Changchun University of Technology) ,  Zhou Hongmei (School of Basic Sciences, Changchun University of Technology)
資料名： Jilin Daxue Xuebao Diqiukexueban  (Jilin Daxue Xuebao Diqiukexueban)
巻： 46  号： 2  ページ： 563-568  発行年： 2016年 
JST資料番号： C2699A  ISSN： 1671-5888  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： 大気中のPM2.5濃度の変化規則をより良く把握するために,EEMD-SVR混合モデルを用いてこの地域のPM2.5濃度値を短期予測した。最初に,北京のPM2.5を,経験的モード分解(EEMD)によって解析し,そして,オリジナル時系列を,いくつかの固有モード関数および傾向項に分解した。次に,モード関数の周期的解析を行い,PM2.5の周期的変動特性を明らかにした。最終的に,モード分解関数と傾向サポートベクトルマシン回帰(SVR)方式を,EEMDの分解の後に,それぞれの固有振動モードのために予測する。結果は,EEMD-SVR混合モデルが単一SVRモデルより高い予測精度を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 短期予測 ,  サポートベクトルマシン ,  *PM2.5 ,  固有振動 ,  周期変化
準シソーラス用語： 予測精度 ,  *モード分解 ,  固有モード関数 ,  混合モデル ,  *北京市 ,  *サポートベクトル回帰 ,  *経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： ensemble empirical mode decomposition ,  intrinsic mode functions (IMF) ,  periodicity ,  support vector regression

分類 (9件)： 図形・画像処理一般  (JE04010I) ,  溶接部  (WC07100I) ,  パイプライン輸送  (UA11020C) ,  循環系モデル  (EL02020V) ,  自動車事故,交通安全  (TB01050G) ,  工場設備管理  (QA01096Q) ,  海水の物理的性質  (DC06020V) ,  非破壊試験  (HB02030F) ,  軸受  (QB01020W)

タイトルに関連する用語 (4件)： 経験的モード分解 ,  サポートベクトル回帰 ,  北京 ,  予測