文献

J-GLOBAL ID：202202265601232774   整理番号：22A1091896

機械学習はマイクロプラスチック汚染の認識と制御を促進する可能性がある:将来の展望【JST・京大機械翻訳】

Machine learning may accelerate the recognition and control of microplastic pollution: Future prospects

著者 (2件)： Yu Fubo (Key Laboratory of Pollution Processes and Environmental Criteria (Ministry of Education)/Tianjin Key Laboratory of Environmental Remediation and Pollution Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China) ,  Hu Xiangang (Key Laboratory of Pollution Processes and Environmental Criteria (Ministry of Education)/Tianjin Key Laboratory of Environmental Remediation and Pollution Control, College of Environmental Science and Engineering, Nankai University, Tianjin 300350, China)
資料名： Journal of Hazardous Materials  (Journal of Hazardous Materials)
巻： 432  ページ： Null  発行年： 2022年 
JST資料番号： B0362A  ISSN： 0304-3894  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： 微小プラスチック(MP,サイズ<5mm)は,海洋,淡水,陸上および大気系のような様々な環境に広く分布していることが見出されている。機械学習は,大きなデータに基づくMPの生態学的リスクを評価するための潜在的解決策を提供する。伝統的モデルと比較して,データ駆動機械学習は,有害MPの制御の実現を加速し,そして,ローカルおよびグローバルスケールの両方でMPsの影響を減らすことができた。しかし,解決すべきいくつかの緊急の問題がある。例えば,MPデータベースの欠如と現在のMPデータを引き起こす不比較文献は,大きなデータ研究を完全にサポートできない。したがって,一組の標準および普遍的なMP収集と試験プロトコルを定式化するのは,必須である。機械学習のために,大規模MP分布と対応する環境リスクの予測は不足している。将来におけるMPの研究を加速するために,ナノ材料やエアロゾルのような他の粒子汚染物質に対して達成された方法と理論を参照できる。プレジカチオン単独より,機械学習の因果律と解釈可能性の改善は,MPリスクの研究において注意に値する。全体として,この展望論文は,MPの環境リスクに関する研究における機械学習法の開発に対する洞察を提供する。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： エアロゾル ,  データベース ,  リスク ,  淡水 ,  海洋 ,  気候変動 ,  粒状物汚染 ,  生態学 ,  定式化 ,  陸地 ,  *機械学習 ,  ナノ材料
準シソーラス用語： 環境リスク ,  データ駆動 ,  *マイクロプラスチック , 【Automatic Indexing@JST】

著者キーワード (5件)： マイクロプラスチック ,  機械学習 ,  ビッグデータ ,  気候変動 ,  予測

分類 (2件)： 環境問題  (SA01020V) ,  安全管理  (KB06000D)

タイトルに関連する用語 (6件)： 機械学習 ,  マイクロプラスチック ,  汚染 ,  促進 ,  可能性 ,  展望