文献

J-GLOBAL ID：201902262083387492   整理番号：19A0493668

差分進化により改善されたWT-VMDに基づく分解法と逆伝搬神経回路網を用いた日前PM2.5濃度予測【JST・京大機械翻訳】

Day-Ahead PM2.5 Concentration Forecasting Using WT-VMD Based Decomposition Method and Back Propagation Neural Network Improved by Differential Evolution

著者 (7件)： Wang Deyun (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Wang Deyun (Mineral Resource Strategy and Policy Research Center, China University of Geosciences, Wuhan 430074, China) ,  Liu Yanling (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Luo Hongyuan (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Yue Chenqiang (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Cheng Sheng (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Cheng Sheng (Mineral Resource Strategy and Policy Research Center, China University of Geosciences, Wuhan 430074, China)
資料名： International Journal of Environmental Research and Public Health (Web)  (International Journal of Environmental Research and Public Health (Web))
巻： 14  号： 7  ページ： 764  発行年： 2017年 
JST資料番号： U7208A  ISSN： 1660-4601  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 正確なPM2.5濃度予測は,公衆衛生と大気環境を保護するために重要である。しかしながら,PM2.5濃度シリーズの断続的で不安定な性質は,その予測を非常に困難なタスクにする。PM2.5濃度の予測精度を改善するために,本論文は,微分進化(DE)アルゴリズムによって最適化されたウェーブレット変換(WT),変分モード分解(VMD)および逆伝搬(BP)ニューラルネットワークに基づくハイブリッドモデルを提案した。最初に,WTを用いてPM2.5濃度系列を異なる周波数を持つ多数のサブセットに分解した。第二に,VMDを適用して,各サブセットを変分モード(VM)の集合に分解した。3番目に,DE-BPモデルをすべてのVMを予測するために利用して,4番目に,各々のサブセットの予測値を,このサブセットのVMD分解から得られたすべてのVMの予測結果を集めることを通して得た。最後に,PM2.5濃度の最終予測シリーズを,すべてのサブセットの予測値を追加することによって得た。中国に位置する武漢と天津から収集した2つのPM2.5濃度シリーズを用いて,提案したモデルの有効性を試験した。結果は,提案したモデルが本論文において他の考慮したすべてのモデルより優れていることを実証した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 公衆衛生 ,  *神経回路網 ,  ニューラルネットワーク ,  *予測 ,  部分集合 ,  有効性 ,  変分法 ,  最適化 ,  モデル ,  アルゴリズム ,  ウェーブレット変換 ,  *PM2.5
準シソーラス用語： 予測値 ,  ハイブリッドモデル ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： PM2.5濃度予測 ,  ウェーブレット変換 ,  変分モード分解 ,  微分進化 ,  逆伝搬神経回路網

分類 (1件)： 粒状物調査測定  (SB03060E)

引用文献 (39件)：

• Zhang, X.Y.; Wang, Y.Q.; Niu, T.; Zhang, X.C.; Gong, S.L.; Zhang, Y.M.; Sun, J.Y. Atmospheric aerosol compositions in China: Spatial/temporal variability, chemical signature, regional haze distribution and comparisons with global aerosols. Atmos. Chem. Phys. 2012, 12, 779-799.
• Zhou, Q.P.; Jiang, H.Y.; Wang, J.Z.; Zhou, J.L. A hybrid model for PM2.5 forecasting based on ensemble empirical mode decomposition and a general regression neural network. Sci. Total Environ. 2014, 496, 264-274.
• Mishra, D.; Goyal, P.; Upadhyay, A. Artificial intelligence based approach to forecast PM2.5 during haze episodes: A case study of Delhi, India. Atmos. Environ. 2015, 102, 239-248.
• Qiao, T.; Zhao, M.; Xiu, G.; Yu, J.Z. Simultaneous monitoring and compositions analysis of PM1, and PM2.5 in Shanghai: Implications for characterization of haze pollution and source apportionment. Sci. Total Environ. 2016, 557, 286-394.
• Ye, X.N.; Ma, Z.; Zhang, J.C.; Du, H.H.; Chen, J.M.; Chen, H.; Yang, X.; Gao, W.; Geng, F.H. Important role of ammonia on haze formation in Shanghai. Environ. Res. Lett. 2011, 6, 1-5.

タイトルに関連する用語 (5件)： 差分進化 ,  分解法 ,  伝搬 ,  神経回路網 ,  予測