文献

J-GLOBAL ID：202002243728152353   整理番号：20A2281558

機械学習を用いた天気予報を予測するためのアンサンブルアプローチ【JST・京大機械翻訳】

An Ensemble Approach to Predict Weather Forecast using Machine Learning

著者 (4件)： Sravanthi N. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,Guntur,India) ,  Venkat M.Lohitha (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,Guntur,India) ,  Harshini S. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,Guntur,India) ,  Ashesh K. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,Guntur,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOSEC  ページ： 436-440  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 気象変化は,環境に悪影響があり,突然自然災害をトリガーする。これらの変化を予測するために,いくつかの機械学習技術とアルゴリズムがあり,それを通して,気象変動を早く予測することができた。以前の分析から,気象予測に利用できる多くの他のアプローチがある。これらに基づいて,温度,湿度,風向,降水,蒸発などの各種パラメータを考察した。新興技術とデータセットの調査の後,提案システムを,線形回帰,ベイス分類装置,サポートベクトルマシン,および決定木のようなアプローチを含むように,意図する。これにおいて,バギング,ブースティング,ディシジョンツリー,ランダムフォレスト,および積層アルゴリズムを用いて,効率的精度を予測した。バギングとブースティングアルゴリズムは同じベース学習者を使用するが,積層は異なったベース学習者を使用する。積層アルゴリズムの学習能力は異なるので,各個々の学習者が様々なパラメータについて異なる学習を学習でき,他のアンサンブル法と比較して精度が増加する。調査を通して,人間の生活の将来の損失と関連する環境効果を避けるために,積極的災害認識システムを実装することが結論づけられた。Copyright 2020 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： アルゴリズム ,  降水 ,  *天気予報 ,  分類装置 ,  気象 ,  湿度 ,  風向 ,  気候変動 ,  ディシジョンツリー ,  自然災害 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 学習者 ,  ブースティング ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 機械学習 ,  天気予報 ,  予測 ,  アンサンブル