予測モデルを用いた水および堆積物解析【JST・京大機械翻訳】

Xu Xiaoting; Lai Tin; Jahan Sayka; Farid Farnaz

プレプリント

J-GLOBAL ID：202202213741758987 整理番号：22P0300072

予測モデルを用いた水および堆積物解析【JST・京大機械翻訳】

Water and Sediment Analyse Using Predictive Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

過去数十年の間の海洋汚染の増加する罹患率は,状況を緩和するための最近の研究を動機づけた。典型的な水質評価は,汚染の程度を決定するために労働集約実験室試験による遠隔地での水と堆積物の連続モニタリングを必要とする。収集した水と堆積物試料を用いて水質と汚染レベルを推定するため,機械学習を用いて予測モデルを定式化する自動化フレームワークを提案した。水と堆積物による統計解析を行う1つの一般的に遭遇する困難は,サンプル収集位置のスパース性のため,限られたデータサンプルと不完全なデータセットである。この目的のために,種々のデータ欠損率を有する水および堆積物データセットにおける様々なデータ補完法の性能に関する広範な調査を行った。経験的に,著者らは,著者らの最良モデルが,欠損データの57%を占める後に,75%の精度を保存することを示した。実験的に,本モデルは,不完全な実世界データに基づく水質スクリーニングの評価を支援することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

バイオアッセイ , 化学物質の毒性一般 , 湖沼汚濁 , 汚染原因物質一般 , 岩石圏の地球化学一般

, , ,

前のページに戻る