文献

J-GLOBAL ID：202202254761117297   整理番号：22A1165608

データ駆動ヒューリスティックアプローチに基づく短期PM_2.5予測【JST・京大機械翻訳】

Short-term PM2.5 prediction based on a data-driven heuristic approach

著者 (3件)： Xu Yiwu (School of Electrical and Computer Engineering, NANFANG COLLEGE.GUANGZHOU,Guangzhou,China) ,  Zhao Xiang (School of Electrical and Computer Engineering, NANFANG COLLEGE.GUANGZHOU,Guangzhou,China) ,  Chen Yun (Office of Academic Affairs, NANFANG COLLEGE.GUANGZHOU,Guangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IWECAI  ページ： 534-539  発行年： 2022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： PM_2.5濃度の正確な予測は,ヒトへの大気汚染による害を効果的に回避できる。既存のPM_2.5予測モデルは,一般的に低い精度と長い予測期間の問題を持っている。この目的のために,本論文では,短期PM_2.5予測の精度を改善する一変量データ駆動手法を提案し,2つのベンチマークモデル(持続性モデルとインテリジェント持続性モデル)と3つの一般的に用いられる機械学習モデル(即ち,ランダムフォレスト,サポートベクトル回帰,ニューラルネットワーク)との比較解析を行い,各モデルの有効性を3つの評価尺度によってそれぞれ評価した。実験結果は,この方法がPM_(2.5)短期予測の性能を著しく改善することを示した。Copyright 2022 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： 大気汚染 ,  ニューラルネットワーク ,  ヒト ,  *発見的方法 ,  短期予測 ,  有効性 ,  予測モデル
準シソーラス用語： ランダムフォレスト ,  評価尺度 ,  *データ駆動 ,  サポートベクトル回帰 , 【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)： データ駆動 ,  ヒューリスティックアプローチ ,  短期 ,  予測