文献

J-GLOBAL ID：202202277201561761   整理番号：22A1092027

大気汚染予測のための新しいハイブリッド極端学習機械と多目的最適化アルゴリズム【JST・京大機械翻訳】

Novel hybrid extreme learning machine and multi-objective optimization algorithm for air pollution prediction

著者 (3件)： Bai Lu (Department of Mathematics, University of Macau, Taipa, Macao, China) ,  Liu Zhi (Department of Mathematics, University of Macau, Taipa, Macao, China) ,  Wang Jianzhou (Institute of Systems Engineering, Macau University of Science and Technology, Taipa, Macao, China)
資料名： Applied Mathematical Modelling  (Applied Mathematical Modelling)
巻： 106  ページ： 177-198  発行年： 2022年 
JST資料番号： H0624A  ISSN： 0307-904X  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： 本研究では,汚染物質濃度の決定論的および間隔予測に関する新規システムを構築し,決定論的予測におけるより高い予測精度を得るだけでなく,大気汚染物質濃度の有効間隔予測も提供した。決定論的予測段階において,改良極端学習機械は,異常値検出と補正アルゴリズム,データ分解戦略,および多目的最適化アルゴリズムを結合して,汚染物質濃度を予測するハイブリッドモデルを形成する。さらに,最適化アルゴリズムの適用性を理論的および実験的解析で検証した。区間予測段階において,3つの分布を鉱山と比較し,決定論的予測誤差の形質を分析し,区間予測を汚染物質濃度に伴う不確実性を定量化するために設計した。提案したシステムの予測性能を調べるために,3都市からのPM_2.5濃度系列を用いて比較実験を行った。結果は,本論文で提案したシステムが予測精度における比較モデルより優れて,汚染予測のために優位性を持つことを示した。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： *アルゴリズム ,  誤差 ,  *大気汚染 ,  不確実性 ,  *最適化手法 ,  精度 ,  汚染物質 ,  都市 ,  大気汚染物質 ,  鉱山 ,  予測モデル
準シソーラス用語： *多目的最適化 ,  予測精度 ,  ハイブリッドモデル ,  決定論 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (6件)： 数学モデリング ,  ハイブリッド予測モデル ,  改良型極端学習機械 ,  データ分解 ,  多目的最適化アプローチ ,  決定論的および区間予測

分類 (4件)： 構造動力学  (HD02000E) ,  システム・制御理論一般  (IA02010H) ,  計算理論  (JB02000A) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 大気汚染 ,  予測 ,  極端学習機械 ,  多目的最適化 ,  アルゴリズム