文献

J-GLOBAL ID：202202288304741511   整理番号：22A1087766

CEEMD-ELM-PSOに基づく大気質の短期数学モデル【JST・京大機械翻訳】

Short-term mathematical prediction model of air quality based on CEEMD-ELM-PSO

著者 (2件)： Qu Hairong (Beihang University,School of Automation Science and Electrical Engineering,Beijing,China) ,  Zhang Runnan (Hohai University,College of Computer and Information,Nanjing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： EEBDA  ページ： 227-232  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： 新しい時代に入った後,人々の生活水準は著しく改善され,環境保護の概念は深く根付されている。人々は,よりグリーンで健康的な生活様式を追求し,大気質に対する懸念はますます強くなっている。人々は,人々が大気環境品質を効果的に予測し,時間における関連ハザードを防ぐのを助けるために,関連するメカニズムを連続的に分析する必要がある。大気質予測のための従来の単一機械学習モデルにおいて,異なるAQI変動傾向の下でより良い予測効果を得ることは難しい。問題を解決するために,予測方法を改良して,ELM-PSOアルゴリズムを使用して将来のAQIを予測し,それはマクロ展望から将来の空気変化傾向を分析するのを助ける。このビットは,北京の短期大気質データを結合して,相補的アンサンブル経験的モード分解と最適限界学習機械に基づく大気質短期予測モデルを提案した。最初に,データをCEEMDによって分解して,データの非平滑性を減らして,このように,予測精度に及ぼす非平滑性の影響を減らした。次に,得られた各分解系列に対してELMモデル予測を行った。限界学習機械の出力重みをPSO最適化探索に用いて,次に限界学習機械に基づく予測モデルを構築した。最後に,すべての予測成分を重ね合わせて最終結果を得る。本論文で提案した予測モデルは,短期大気質予測において高い精度を有する。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： 予測技法 ,  アルゴリズム ,  最適化 ,  学習モデル ,  *数学モデル ,  学習機械 ,  環境保全 ,  ライフスタイル ,  短期予測 ,  予測モデル
準シソーラス用語： 予測精度 ,  *大気質 ,  大気環境 ,  モデル予測 ,  ハザード , 【Automatic Indexing@JST】

分類 (5件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (5件)： ELM ,  PSO ,  大気質 ,  短期 ,  数学モデル