文献

J-GLOBAL ID：201702222118051332   整理番号：17A1675967

空気霧霧のPM2.5含有量予測最適化に関する研究【JST・京大機械翻訳】

Research on Optimization of PM2.5 Content Prediction in Air Haze

著者 (3件)： Ai Hongfu (吉林農業大学,吉林長春,130117) ,  Pan He (吉林農業大学,吉林長春,130117) ,  Li Yingbin (天津中医薬大学,天津,300073)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 34  号： 1  ページ： 392-395,443  発行年： 2017年 
JST資料番号： C2937A  ISSN： 1006-9348  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： 空気霧霧中のPM2.5含有量に対する予測研究は次第に重視されているが、予測結果の正確度は理想的ではない。予測効果を向上させるために,PM2.5の初期予測値を灰色GM(1,1)モデルを用いて得て,BPニューラルネットワーク関数の近似によって残差を処理して,PM2.5の予測モデルを確立した。長春市におけるPM25含有量のリアルタイムモニタリングデータをサンプルとして、Net環境下でC++言語を用いてプログラミングを実現し、長春市のPM2.5含有量に対して予測シミュレーションを行い、シミュレーション結果に対して分析を行った。シミュレーション結果により,上記のモデルは,PM2.5の予測結果に対して,より高い精度を持ち,そして,予測効果は,より良好であった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 残差 ,  *予測 ,  *最適化 ,  *PM2.5 ,  シミュレーション ,  予測モデル ,  前向きコホート研究 ,  C++言語
準シソーラス用語： 逆伝播ニューラルネットワーク ,  予測値 , 【Automatic Indexing@JST】

著者キーワード (3件)： Neural network ,  Gray theory ,  Haze

分類 (3件)： 粒状物調査測定  (SB03060E) ,  海岸工学  (RC13000X) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： 霧 ,  含有量 ,  予測 ,  最適化 ,  研究