文献

J-GLOBAL ID：202202286274367101   整理番号：22A0960381

ユビキタスデータによる都市水質の予測-データ駆動アプローチ【JST・京大機械翻訳】

Predicting Urban Water Quality With Ubiquitous Data - A Data-Driven Approach

著者 (6件)： Liu Ye (Department of Computer Science, School of Computing, National University of Singapore, Singapore, Singapore) ,  Liang Yuxuan (Department of Computer Science, School of Computer Science and Technology, Xidian University, Xi’an, China) ,  Ouyang Kun (Department of Computer Science, School of Computing, National University of Singapore, Singapore, Singapore) ,  Liu Shuming (Division of Drinking Water Safety, School of Environment, Tsinghua University, Beijing, China) ,  Rosenblum David S. (Department of Computer Science, School of Computing, National University of Singapore, Singapore, Singapore) ,  Zheng Yu (JD Intelligent City Research, Beijing, China)
資料名： IEEE Transactions on Big Data  (IEEE Transactions on Big Data)
巻： 8  号： 2  ページ： 564-578  発行年： 2022年 
JST資料番号： W2442A  ISSN： 2332-7790  資料種別： 逐次刊行物 (A)
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： 都市水質は日常生活にとって非常に重要である。都市水質の予測は,水質汚濁を制御し,ヒトの健康を保護する。しかし,都市水質の予測は,水質が非線形的に都市空間で変化し,気象,水利用パターン,土地利用などの多重因子に依存するので,挑戦的な仕事である。本稿では,水質データと既存の監視所によって報告された水水理データ,および気象,パイプネットワーク,道路網の構造,および関心点(POI)などで観測されている様々なデータ源を用いて,データ駆動の観点から,次の数時間にわたる観測所の水質を予測した。最初に,大規模な実験を通して都市水質に影響する影響因子を同定した。第2に,著者らはマルチタスクマルチビュー学習方式を提示して,異なったドメインから統一学習モデルにそれらの多重データセットを融合する。実世界データセットを用いて提案手法を評価し,広範な実験により,他のベースラインよりも本手法の利点を検証し,提案アプローチの有効性を実証した。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： 学習モデル ,  *水質 ,  水質汚濁 ,  予測 ,  道路網 ,  土地利用 ,  気象 ,  水利用 ,  *都市 ,  監視 ,  多重化 ,  都市空間 ,  基準線 ,  有効性
準シソーラス用語： 影響因子 , 【Automatic Indexing@JST】

分類 (4件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  気象学一般  (DC05010D)

タイトルに関連する用語 (5件)： ユビキタス ,  都市 ,  水質 ,  予測 ,  データ駆動