文献

J-GLOBAL ID：202202259152923484   整理番号：22A1104313

決定木アルゴリズムを用いた大気質予測【JST・京大機械翻訳】

Air Quality Forecasting using decision trees algorithms

著者 (4件)： Bekkar Abdellatif (University Hassan II,FSTM,Department of Computer Sciences,Casablanca,Morocco) ,  Hssina Badr (University Hassan II,FSTM,Department of Computer Sciences,Casablanca,Morocco) ,  Douzi Samira (University Mohammed V,FMPR,Department of Drug Science,Rabat,Morocco) ,  Douzi Khadija (University Hassan II,FSTM,Department of Computer Sciences,Casablanca,Morocco)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： IRASET  ページ： 1-4  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： 大気汚染は,人々の物理的健康に影響するだけでなく,汚染防止のための指針を提供するので重要である。2.5μm以下の直径の粒子状物質(PM_2.5)は,ヒト健康に急性および慢性効果を引き起こす大気汚染への主要な寄与の1つである。予測PM_2.5は,歴史的データの影響と同様に様々な気象要因を含む。したがって,表面PM_2.5濃度の予測はヒトの健康の保護にとって非常に重要である。本研究は,機械学習モデル,すなわち,決定木(DT),ランダム森林(RF),および勾配ブースティング回帰(GBR)を用いて,PM_2.5時間毎スケール濃度を予測し,気象データと隣接ステーションからのPM_2.5濃度を用いた。データセットは,中国において北京市において研究区域として収集した。実験は,勾配ブースティング回帰モデルが,0.9と0.97の間で変化するR2値を有する時間ごとのPM_2.5濃度を推定するために提案された他のモデルより高い予測精度を達成することを示した。本研究は,PM_2.5濃度をロバストに予測するための有望で手頃なアプローチを提供する。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： *アルゴリズム ,  大気汚染 ,  汚染防止 ,  ヒト ,  気象データ ,  気象要素 ,  *ディシジョンツリー ,  回帰モデル ,  ロバスト性 ,  機械学習
準シソーラス用語： 予測精度 ,  ブースティング ,  *大気質 ,  ランダムフォレスト ,  ヒトの健康 , 【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)： 決定木 ,  アルゴリズム ,  大気質 ,  予測