文献

J-GLOBAL ID：202002221633351920   整理番号：20A0610667

データ駆動常微分方程式を用いた中国における毎日のPM2.5濃度の予測【JST・京大機械翻訳】

Prediction of daily PM _2.5 concentration in China using data-driven ordinary differential equations

著者 (3件)： Wang Yufang (School of Statistics, Tianjin University of Finance and Economics, Tianjin 300222, China) ,  Wang Haiyan (Mathematical and Natural Sciences, Arizona State University, AZ 85069, USA) ,  Zhang Shuhua (Coordinated Innovation Center for Computable Modeling in Management Science, Tianjin University of Finance and Economics, Tianjin 300222, China)
資料名： Applied Mathematics and Computation  (Applied Mathematics and Computation)
巻： 375  ページ： Null  発行年： 2020年 
JST資料番号： D0568B  ISSN： 0096-3003  CODEN： AMHCBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： PM2.5濃度の正確な報告と予測は公衆衛生の改善に重要である。本論文では,データ駆動常微分方程式(ODE)モデルを用いてPM2.5濃度の日毎予測法を提案した。特に,歴史的PM2.5濃度に基づいて,この方法は遺伝的プログラミングと直交最小二乗法を組み合わせて,ODEモデルを進化させ,PM2.5の輸送を記述し,次にデータ駆動ODEsを用いて将来の大気質を予測した。実験結果は,ODEモデルが典型的統計モデルと同様の予測結果を得て,本方法からの予測結果が比較的良いことを示した。著者らの知る限り,これはPM2.5予測を研究するためにデータ駆動ODEモデルを進化させる最初の試みである。Copyright 2020 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： *常微分方程式 ,  直交性 ,  最小二乗法 ,  公衆衛生 ,  *PM2.5 ,  統計模型 ,  遺伝的プログラミング ,  予測技法
準シソーラス用語： 大気質 ,  *データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 濃度データ ,  遺伝的プログラミング ,  最小二乗法 ,  ODEモデル ,  PM2.5予測

分類 (2件)： 数値計算  (JE02000J) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (4件)： データ駆動 ,  常微分方程式 ,  中国 ,  予測