文献
J-GLOBAL ID:202202211402126000   整理番号:22A0233895

ロバスト局所平均分解と移動ウィンドウアンサンブル戦略に基づく線形および非線形モデリングフレームワークを用いた毎日のPM_2.5およびPM_10予測【JST・京大機械翻訳】

Daily PM2.5 and PM10 forecasting using linear and nonlinear modeling framework based on robust local mean decomposition and moving window ensemble strategy
著者 (4件):
資料名:
巻: 114  ページ: Null  発行年: 2022年 
JST資料番号: W2175A  ISSN: 1568-4946  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
粒子状物質濃度(PMC)の高精度予測は,信頼できる大気汚染早期警報システムを確立し,理論的および実用的意義の両方を持つために,不可欠で有効である。この要求を満たすために,ロバスト局所平均分解(RLMD)と移動窓(MW)アンサンブル戦略に基づく新しいマルチスケールハイブリッド学習フレームワークをPM_2.5とPM_10予測のために開発した。このアーキテクチャにおいて,RLMDを採用して,PMC時系列(PMCTS)をいくつかの生産関数に適応的に分解し,異なる周波数を持つ1つの残差を適応的に分解した。これらのサブ系列は,元のPMCTSより単純であるが,それらはモードエイリアシングと並んでいた。したがって,十分に確立された”線形および非線形”モデリング philosophy学に従って,自己回帰統合移動平均(ARIMA)および複合カーネル関数関連ベクトルマシン(RVMcom)から成る新しいハイブリッド学習フレームワークを提案し,サブ系列における線形および非線形パターンの両方を捕捉する。より良い最終出力を得るために,アンサンブル改善度の定義に基づいて,MWアンサンブル法を用いて,すべてのサブ系列の予測結果を併合した。包括的実験を,中国の4つの自治体からのPM_2.5とPM_10データセットを用いて行い,提案フレームワークの予測性能を研究し,その結果は,提案したRLMD-ARMA-RVMcom-MW(R-A&Rcom-M)モデルが,予測精度と一般化能力に関して,他の考慮方法より優れていることを実証した。これは,開発した予測アーキテクチャがPMCTS予測の分野で大きな応用価値を持つことを意味する。Copyright 2022 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (5件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  数値計算  ,  ニューロコンピュータ  ,  図形・画像処理一般  ,  システム・制御理論一般 

前のページに戻る