文献

J-GLOBAL ID：202202258005081529   整理番号：22A0161938

適切な隣接部位の特徴を含むことは長期短期記憶神経回路網モデルによるPM_2.5濃度予測を改善する【JST・京大機械翻訳】

Including the feature of appropriate adjacent sites improves the PM_2.5 concentration prediction with long short-term memory neural network model

著者 (9件)： Mengfan Teng (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Siwei Li (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Siwei Li (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, 430079, China) ,  ge Song (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  jie Yang (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  jie Yang (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, 430079, China) ,  Lechao Dong (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  hao Lin (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Senlin Hu (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China)
資料名： Sustainable Cities and Society  (Sustainable Cities and Society)
巻： 76  ページ： Null  発行年： 2022年 
JST資料番号： W2908A  ISSN： 2210-6707  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： 機械学習はPM_2.5濃度のタイムリーな予測のためのモデルを確立するための強力なツールであり,これは政策決定者が管理行動を取ることを支持し,人間の健康への保護によって都市の持続可能な発展を促進する。隣接サイトの情報はPM_2.5汚染の地域パターンを表す良い指標であるが,ほとんどの既存予測モデルでは広く調査されていない。本研究では,適切な隣接サイト観測を利用したPM_2.5濃度に関する新しいハイブリッド予測モデルを提案した。このハイブリッドモデルは,長い短期メモリニューラルネットワーク(LSTM)と1×1カーネルサイズを持つ特定の畳込みニューラルネットワーク(CNN)を結合して,時系列データと離散データの従来の課題に対処した。実験結果は,新しいハイブリッドモデルが,単一モデル(R2=0.81~0.92,RMSE=9.01~13.24μg/m3,MAE=6.79~9.34μg/m3)と比較して,最高の予測精度と最低の誤差(R2=0.92~0.94,RMSE=8.54~8.93μg/m3,MAE=5.76~6.52μg/m3)を示した。また,ハイブリッドモデルを他の類似の研究と比較し,適切な隣接サイトからの情報によってPM_2.5濃度のピーク値を捕獲する顕著な能力を実証した。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： *ニューラルネットワーク ,  都市 ,  ピーク値 ,  機械学習 ,  持続可能な開発 ,  予測モデル
準シソーラス用語： 短期記憶 ,  *神経回路網モデル ,  政策決定 ,  時系列データ ,  予測精度 ,  ハイブリッドモデル ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 長期短期記憶ニューラルネットワーク ,  畳込みニューラルネットワーク ,  適切な隣接サイト

分類 (4件)： 電力工学・電力事業一般  (NB01000X) ,  都市交通  (TA01020W) ,  風力発電  (NB03120Q) ,  交通調査  (TB01031B)

タイトルに関連する用語 (5件)： 隣接部 ,  長期 ,  短期記憶 ,  神経回路網モデル ,  予測