文献

J-GLOBAL ID：202002233722793807   整理番号：20A0884071

都市環境における迅速粒子濃度推定のための空間-時間ベース法【JST・京大機械翻訳】

A spatial-and-temporal-based method for rapid particle concentration estimations in an urban environment

著者 (9件)： Xiong Jie (Joint International Research Laboratory of Green Buildings and Built Environments (Ministry of Education), Chongqing University, Chongqing, 400045, China) ,  Xiong Jie (National Centre for International Research of Low-carbon and Green Buildings (Ministry of Science and Technology), Chongqing University, Chongqing, 400045, China) ,  Yao Runming (Joint International Research Laboratory of Green Buildings and Built Environments (Ministry of Education), Chongqing University, Chongqing, 400045, China) ,  Yao Runming (School of the Built Environment, University of Reading, Reading, RG6 6DF, UK) ,  Wang Wenbo (School of the Built Environment, University of Reading, Reading, RG6 6DF, UK) ,  Yu Wei (Joint International Research Laboratory of Green Buildings and Built Environments (Ministry of Education), Chongqing University, Chongqing, 400045, China) ,  Yu Wei (National Centre for International Research of Low-carbon and Green Buildings (Ministry of Science and Technology), Chongqing University, Chongqing, 400045, China) ,  Li Baizhan (Joint International Research Laboratory of Green Buildings and Built Environments (Ministry of Education), Chongqing University, Chongqing, 400045, China) ,  Li Baizhan (National Centre for International Research of Low-carbon and Green Buildings (Ministry of Science and Technology), Chongqing University, Chongqing, 400045, China)
資料名： Journal of Cleaner Production  (Journal of Cleaner Production)
巻： 256  ページ： Null  発行年： 2020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： 都市における建物とインフラの建設の増加は,汚染物質の分散に大きく影響し,粒子濃度の増加の広がりを引き起こす。地方の汚染レベルに関するリアルタイムデータと情報は,住民,都市計画者と政策立案者によって大いに望まれる。このような情報は,リアルタイム測定の高コストのために不足している。ギャップを埋めるために,本研究の目的は,データ駆動人工ニューラルネットワークモデリングアプローチに基づいて粒子汚染を迅速に推定できるモデルを開発することである。背景汚染レベル,気象条件および都市形態のような重要な影響因子は,建設活動および交通流に関連する汚染の局所排出源と関連してモデルに埋め込まれている。都市の空間変数(建物と道路)と交通情報のためのデータは,自己開発Pythonスクリプトを用いて地理情報システムの助けを借りて処理される。各グリッドに必要な情報を含む地理的データセットを人工ニューラルネットワークモデルと統合し,粒子濃度の予測を行った。モデルは,中国,重慶における20のサンプル位置による事例研究からの測定によって確認して,測定と比較して粒子成分推定の平均相対誤差がPM_10に関して17.56%とPM_2.5に関して16.04%であることを示した。実時間汚染を可視化する粒子濃度の時間特異的空間内挿のマップをこの方法に基づいて得た。新しく提案した方法は,都市形態,気象ファイル,交通,建設サイトの空間と時間情報をカバーする新しい全体論である。厳密に検証されたモデルは,都市環境におけるリアルタイム粒子濃度の高速推定のためのロバストなツールに変換された。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： 地理情報システム ,  *都市 ,  内挿法 ,  粒状物汚染 ,  汚染物質 ,  事例研究 ,  可視化 ,  インフラストラクチャー ,  *都市環境 ,  ロバスト性 ,  ニューラルネットワーク ,  気象 ,  気象条件 ,  道路 ,  交通流

著者キーワード (6件)： 粒子状物質 ,  人工神経回路網(ANN) ,  都市形態学 ,  交通排出 ,  地理情報システム(GIS) ,  空間補間

分類 (2件)： 環境問題  (SA01020V) ,  都市計画一般,都市経済学  (RD01010S)

タイトルに関連する用語 (3件)： 都市環境 ,  粒子濃度 ,  推定