文献

J-GLOBAL ID：201902229091914522   整理番号：19A1382765

モノのインターネットにおけるゲート再発長短期記憶モデルに基づく大気質予測【JST・京大機械翻訳】

Air Quality Forecasting Based on Gated Recurrent Long Short Term Memory Model in Internet of Things

著者 (4件)： Wang Baowei (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China) ,  Kong Weiwen (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China) ,  Guan Hui (School of Computer and Software, Nanjing University of Information Science and Technology, Nanjing, China) ,  Xiong Neal N. (Department of Mathematics and Computer Science, Northeastern State University, Tahlequah, OK, USA)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 69524-69534  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 中国経済の連続的発展と都市化の段階的加速によって,それは環境に多大な損害を引き起こした。悪い大気環境は,人々の身体的および精神的健康を著しく損なう。スモッグ濃度の変化は多くの現実的因子により影響され,非線形特性を示す。本論文で提案した方法は,取得したデータを監視し,データを処理し,ニューラルネットワークを用いて次のデータを予測するために,モノのインターネット(IoT)技術を使用することである。既存の予測モデルには限界がある。それらは,煙霧の濃度と現実に影響する因子の間の法則を正確に捉えない。非線形スモッグデータを正確に予測することは困難である。本論文で提案した1つのアルゴリズムは,Long Short Term Memory Neural Network and Gated Recurent Unit(LSTM&GRU)に基づく2層モデル予測アルゴリズムである。PM2.5値を予測するために,二層再帰ニューラルネットワークを設定した。このモデルは,既存の予測方法Long Short Termum Memory(LSTM)の改良と強化である。実験は,IoTノードによってモニターされたデータと国家の環境保護部門によってリリースされた情報を統合する。最初に,4つの都市における96の連続時間のデータを,実験サンプルとして選択した。実験結果は真の値に近い。次に,列車と試験データセットとして2014/1/1から2018/1/1まで毎日のスモッグデータを選択した。それは,74の都市サイトのためにスモッグデータを含んだ。データの最初の70%は訓練に使用され,残りは試験のために使用された。本実験の結果は,著者らのモデルがより良い予測を果たすことができることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 環境保全 ,  連続時間系 ,  都市 ,  *予測 ,  予測モデル ,  都市化 ,  スモッグ ,  PM2.5 ,  ニューラルネットワーク ,  アルゴリズム ,  予測技法 ,  *モデル ,  精神衛生
準シソーラス用語： 煙霧 ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (7件)： インターネット ,  ゲート ,  再発 ,  長短期記憶 ,  モデル ,  大気質 ,  予測