文献

J-GLOBAL ID：201702283491661699   整理番号：17A1062484

空間的に明示的な機械学習アルゴリズムを用いた中国全土の日常連続PM_2 5濃度の時空間予測【Powered by NICT】

Spatiotemporal prediction of continuous daily PM_2.5 concentrations across China using a spatially explicit machine learning algorithm

著者 (8件)： Zhan Yu (Department of Environmental Science, Zhejiang University, Hangzhou, Zhejiang 310058, China) ,  Luo Yuzhou (Department of Land, Air, and Water Resources, University of California, Davis, CA 95616, USA) ,  Deng Xunfei (Institute of Digital Agriculture, Zhejiang Academy of Agricultural Sciences, Hangzhou, Zhejiang 310021, China) ,  Chen Huajin (Department of Land, Air, and Water Resources, University of California, Davis, CA 95616, USA) ,  Grieneisen Michael L. (Department of Land, Air, and Water Resources, University of California, Davis, CA 95616, USA) ,  Shen Xueyou (Department of Environmental Science, Zhejiang University, Hangzhou, Zhejiang 310058, China) ,  Zhu Lizhong (Department of Environmental Science, Zhejiang University, Hangzhou, Zhejiang 310058, China) ,  Zhang Minghua (Department of Land, Air, and Water Resources, University of California, Davis, CA 95616, USA)
資料名： Atmospheric Environment  (Atmospheric Environment)
巻： 155  ページ： 129-139  発行年： 2017年 
JST資料番号： C0382D  ISSN： 1352-2310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 中国の排出インベントリーに関連する不確実性の高度は,特に毎日PM_2 5濃度を予測する上での化学輸送モデルの性能を劣化させる傾向がある。本研究では,地理的加重勾配ブースティング・マシン(GW GBM),新しい機械学習アルゴリズムは損失関数を空間平滑化カーネルの構築によりGBMを改善することにより開発した。この修飾はPM_2濃度間の関係とエーロゾル光学的深さ(AOD)と気象条件のような予測変数の空間的非定常性を検討した。GW GBMではまた欠落AOD検索によるPM_2 5濃度の推定バイアスを克服し,それに続く曝露分析を改善した可能性がある。GW GBMは部分的に失われたAODデータは元のGBMモデル(R~2=0.71RMSE=25.3μg/m3)よりも良好であっても毎日PM_2濃度(R~2=0.76,RMSE=23.0μg/m3)を予測するのに良好な性能を示した。PM_2 5濃度の連続時空間予測に基づいて,人口の95%が推定された年平均PM_2 5濃度は35μg/m3より高い地域に住んでいたことを予測し,個体群の45%が2014年には100日以上PM_2~>75μg/m3に曝露した。GW GBMは急性ヒトの健康への影響を評価するための中国における連続日PM_2 5濃度を正確に予測した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 平滑化 ,  バイアス ,  *学習アルゴリズム ,  不確実性 ,  個体群 ,  *中華人民共和国 ,  *機械学習 ,  気象条件 ,  *予測
準シソーラス用語： 健康影響 ,  非定常性 ,  エアロゾル光学的深さ ,  ブースティング ,  化学輸送モデル ,  排出インベントリ , 【Automatic Indexing@JST】

著者キーワード (5件)： 微細粒子状物質 ,  ヒト曝露 ,  空間非定常性 ,  地理的重みづけ ,  機械学習

分類 (1件)： 粒状物調査測定  (SB03060E)

タイトルに関連する用語 (5件)： 機械学習 ,  アルゴリズム ,  中国 ,  時空間 ,  予測