文献

J-GLOBAL ID：202202250880554281   整理番号：22A0922694

ハイブリッドLSTMと拡張定常ウェーブレット変換による大気質予測【JST・京大機械翻訳】

Air quality forecasting with hybrid LSTM and extended stationary wavelet transform

著者 (6件)： Zeng Yongkang (Key Laboratory of Electromagnetic Wave Information Technology and Metrology of Zhejiang Province, College of Information Engineering, China Jiliang University, Hangzhou, 310018, China) ,  Chen Jingjing (Zhijiang College, Zhejiang University of Technology, Shaoxing, China) ,  Chen Jingjing (School of Economics, Fudan University, Shanghai, China) ,  Jin Ning (Key Laboratory of Electromagnetic Wave Information Technology and Metrology of Zhejiang Province, College of Information Engineering, China Jiliang University, Hangzhou, 310018, China) ,  Jin Xiaoping (Key Laboratory of Electromagnetic Wave Information Technology and Metrology of Zhejiang Province, College of Information Engineering, China Jiliang University, Hangzhou, 310018, China) ,  Du Yang (College of Science and Engineering, James Cook University, QLD4814, Australia)
資料名： Building and Environment  (Building and Environment)
巻： 213  ページ： Null  発行年： 2022年 
JST資料番号： C0858A  ISSN： 0360-1323  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： 大気質測定および予測は,持続可能なインテリジェント環境設計,都市地域開発および汚染制御の分野で,特に中国のようなアジア開発途上国にとって,最も人気のある研究トピックの1つである。リカレントニューラルネットワーク(RNN)と長い短期メモリ(LSTM)ニューラルネットワークのような時系列データ予測のための深層学習(DL)技術は,近年大きな注目を引きつけ,AQI予測に適用された。しかし,文献には2つの問題が存在する。第1に,AQIデータの揮発性は,信頼できる予測結果を作り出すための特異DLモデルに対する困難を引き起こす。第二に,大気質データの長い歴史が訓練段階で必要であり,通常利用できない。本研究では,PM_2.5大気質予測のための拡張定常ウェーブレット変換(ESWT)と入れ子長短期メモリ(NLSTM)ニューラルネットワークを統合した新しい予測モデルを提案した。その結果,提案手法は最先端の予測手法よりも性能が優れており,絶対誤差,R2,MAE,RMSE,およびMAPEのような異なる誤差メトリックに関して最近発表された研究よりも性能が優れていることを示した。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： 予測技法 ,  記憶装置 ,  汚染防止 ,  ニューラルネットワーク ,  市街地 ,  発展途上国 ,  アジア ,  揮発性 ,  神経回路網 ,  *ウェーブレット変換 ,  予測モデル
準シソーラス用語： 時系列データ ,  リカレントニューラルネットワーク ,  *大気質 ,  *定常ウェーブレット変換 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 大気質予測 ,  入れ子型長期記憶 ,  ウェーブレット変換

分類 (3件)： 建築環境一般  (RB02010T) ,  換気  (PC02040B) ,  空気調和装置一般  (PC02010U)

タイトルに関連する用語 (5件)： LSTM ,  拡張 ,  定常ウェーブレット変換 ,  大気質 ,  予測