文献

J-GLOBAL ID：201902232269114279   整理番号：19A2102027

PM2.5のための地理的長期短期記憶ニューラルネットワークに基づく時間空間補間および外挿法【JST・京大機械翻訳】

A temporal-spatial interpolation and extrapolation method based on geographic Long Short-Term Memory neural network for PM2.5

著者 (6件)： Ma Jun (Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Hong Kong, China) ,  Ma Jun (Department of Research and Development, Big Bay Innovation Research and Development Limited, Hong Kong, China) ,  Ding Yuexiong (Department of Research and Development, Big Bay Innovation Research and Development Limited, Hong Kong, China) ,  Cheng Jack C.P. (Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Hong Kong, China) ,  Jiang Feifeng (Department of Architecture and Civil Engineering, City University of Hong Kong, Hong Kong, China) ,  Wan Zhiwei (School of Engineering, The Hong Kong University of Science and Technology, Hong Kong, China)
資料名： Journal of Cleaner Production  (Journal of Cleaner Production)
巻： 237  ページ： Null  発行年： 2019年 
JST資料番号： W0750A  ISSN： 0959-6526  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： 今日,リアルタイム大気汚染モニタリングは,汚染防止と減少をサポートするための重要なアプローチであった。しかし,モニタリングステーションの高い建設コストと限られた検出範囲のために,あらゆるコーナーにおけるすべての大気汚染物質濃度をモニターすることができず,大気汚染の空間分布の全体像は,通常,総合的な空間分析と大気質管理のために欠けている。この問題に対処するために,衛星リモートセンシングと空間内挿/外挿技術は,過去の研究において一般的に使用されてきた。しかし,リモートセンシング技術によって計算された空間分布は,試験と調整のために記録されたデータの限られた量のために,より正確ではない。KrigingとIDWのような従来の空間内挿/外挿技術の性能は,非線形実世界状況に適さないいくつかの主観的仮定とプレセット定式化によって制限された。代替として,機械学習とニューラルネットワークベースの方法が最近提案されている。しかし,これらの方法のほとんどは,同時に大気汚染の長い短い時間的傾向と空間的関連を考慮することができなかった。これらの限界を克服するために,本論文では,新しく設計された空間内挿/外挿方法論,すなわち,大気汚染物質濃度の空間分布を生成するためのGeo-LSTMを提案した。このモデルは,大気質の長期的依存性を把握するために,Long Short-Terme Memory(LSTM)ニューラルネットワークに基づいて開発された。地理層を設計し,他のモニタリングステーションから空間-時間相関を統合した。提案した方法論の有効性を評価するために,Washington状態における事例研究を行った。実験結果は,Geo-LSTMが0.0437のRMSEを有し,IDWのような従来の方法よりも約60.13%優れていることを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 汚染監視 ,  機械学習 ,  *PM2.5 ,  有効性 ,  定式化 ,  内挿法 ,  空間分布 ,  *ニューラルネットワーク ,  *地理学 ,  リモートセンシング ,  汚染防止 ,  事例研究 ,  大気汚染
準シソーラス用語： 衛星リモートセンシング ,  実時間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 大気質 ,  深層学習 ,  地理的LSTM ,  PM2.5 ,  空間外挿

分類 (2件)： 環境問題  (SA01020V) ,  大気汚染一般  (SB03010B)

タイトルに関連する用語 (6件)： 地理 ,  長期 ,  短期記憶 ,  ニューラルネットワーク ,  空間補間 ,  外挿法