論文の概要: A multivariate water quality parameter prediction model using recurrent neural network

• arxiv url: http://arxiv.org/abs/2003.11492v1
• Date: Wed, 25 Mar 2020 16:49:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 02:57:58.383873
• Title: A multivariate water quality parameter prediction model using recurrent neural network
• Title（参考訳）: 繰り返しニューラルネットワークを用いた多変量水質パラメータ予測モデル
• Authors: Dhruti Dheda and Ling Cheng
• Abstract要約: 本研究は水質パラメータに基づく水質予測モデルを構築することを目的とする。 このモデルは、リカレントニューラルネットワーク(RNN)、Long Short-Term Memory(LSTM)および履歴水質データを用いて開発された。 シングルステップモデルは0.01mg/Lの誤差を達成し、マルチステップモデルは0.227mg/LのRoot Mean Squared Error(RMSE)を達成した。
• 参考スコア（独自算出の注目度）: 0.30458514384586394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The global degradation of water resources is a matter of great concern, especially for the survival of humanity. The effective monitoring and management of existing water resources is necessary to achieve and maintain optimal water quality. The prediction of the quality of water resources will aid in the timely identification of possible problem areas and thus increase the efficiency of water management. The purpose of this research is to develop a water quality prediction model based on water quality parameters through the application of a specialised recurrent neural network (RNN), Long Short-Term Memory (LSTM) and the use of historical water quality data over several years. Both multivariate single and multiple step LSTM models were developed, using a Rectified Linear Unit (ReLU) activation function and a Root Mean Square Propagation (RMSprop) optimiser was developed. The single step model attained an error of 0.01 mg/L, whilst the multiple step model achieved a Root Mean Squared Error (RMSE) of 0.227 mg/L.
• Abstract（参考訳）: 水資源の世界的な劣化は、特に人類の生存にとって大きな関心事である。 既存の水資源の効率的なモニタリングと管理は、最適な水質を達成および維持するために必要である。 水資源の品質の予測は、可能問題領域のタイムリーな識別に役立つため、水管理の効率が向上する。 本研究では,recurrent neural network (rnn),long short-term memory (lstm),および過去の水質データを用いて,水質パラメータに基づく水質予測モデルを開発することを目的とした。 整流線形単位(relu)活性化関数と根平均二乗伝播(rmsprop)オプティマイザーを用いて,多変量単一および複数ステップlstmモデルを開発した。 単一ステップモデルは 0.01 mg/l の誤差を達成し、複数ステップモデルは 0.227 mg/l の根平均二乗誤差 (rmse) を達成した。

関連論文リスト

• WaterQualityNeT: Prediction of Seasonal Water Quality of Nepal Using Hybrid Deep Learning Models [0.0]
  本稿では,ネパールの季節的な水質を予測するためのハイブリッド深層学習モデルを提案する。 このモデルは、畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)を統合し、データの時間的および空間的パターンを活用する。
  論文  参考訳（メタデータ） (2024-09-17T05:26:59Z)
• Tailoring Self-Rationalizers with Multi-Reward Distillation [88.95781098418993]
  大規模言語モデル(LM)は、質問応答を支援する自由テキスト論理を生成することができる。 そこで本研究では,下流タスク性能を改善するための理性理論を,小規模のLMで生成する。 提案手法であるMaRioは,マルチリワード条件付き自己有理化アルゴリズムである。
  論文  参考訳（メタデータ） (2023-11-06T00:20:11Z)
• Hybrid Reinforcement Learning for Optimizing Pump Sustainability in Real-World Water Distribution Networks [55.591662978280894]
  本稿では,実世界の配水ネットワーク(WDN)のリアルタイム制御を強化するために,ポンプスケジューリング最適化問題に対処する。 我々の主な目的は、エネルギー消費と運用コストを削減しつつ、物理的な運用上の制約を遵守することである。 進化に基づくアルゴリズムや遺伝的アルゴリズムのような伝統的な最適化手法は、収束保証の欠如によってしばしば不足する。
  論文  参考訳（メタデータ） (2023-10-13T21:26:16Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Direct Preference Optimization: Your Language Model is Secretly a Reward Model [119.65409513119963]
  本稿では,RLHFにおける報酬モデルの新たなパラメータ化について紹介する。 DPO(Direct Preference Optimization)と呼ばれる結果のアルゴリズムは、安定的で、性能が高く、計算的にも軽量である。 我々の実験は、DPOが人間の好みに合わせて微調整できるだけでなく、既存の方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-29T17:57:46Z)
• Short-term prediction of stream turbidity using surrogate data and a meta-model approach [0.0]
  本研究では,動的回帰(ARIMA),長期記憶ニューラルネット(LSTM),一般化付加モデル(GAM)を構築・比較し,ストリームの濁度を予測する。 我々は,異なる時間点における各モデルの強みを生かし,その長所を生かしたメタモデルを構築した。 以上の結果から,例えば水中照度などの温度および光関連変数は,費用対効果の高い濁度サロゲートとして期待できる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-10-11T23:05:32Z)
• Artificial Intelligence Hybrid Deep Learning Model for Groundwater Level Prediction Using MLP-ADAM [0.0]
  本稿では,多層パーセプトロンを用いて地下水位をシミュレーションする。 この問題には適応モーメント推定アルゴリズムも用いられる。 その結果,ディープラーニングアルゴリズムは高精度な予測が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T10:11:45Z)
• On the Sparsity of Neural Machine Translation Models [65.49762428553345]
  性能向上のために冗長パラメータを再利用できるかどうかを検討する。 実験と分析は異なるデータセットとNTTアーキテクチャで体系的に行われる。
  論文  参考訳（メタデータ） (2020-10-06T11:47:20Z)
• Water Quality Prediction on a Sigfox-compliant IoT Device: The Road Ahead of WaterS [0.27998963147546135]
  我々は,収集した計測データを遠隔で通信する,モノのインターネット(Internet of Things)の水質予測システムであるWaterSに注目した。 このソリューションは、エネルギー効率や自律性といった特異なモノのインターネット(Internet of Things)の制約を考慮して、水質問題に対処する。 WaterSエコシステムのソースコードがオープンソースとしてリリースされ、産業とアカデミアの両方の研究活動を奨励し、促進している。
  論文  参考訳（メタデータ） (2020-07-27T11:21:40Z)
• Predictive Analytics for Water Asset Management: Machine Learning and Survival Analysis [55.41644538483948]
  本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。 スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。 その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
  論文  参考訳（メタデータ） (2020-07-02T19:08:36Z)
• Stream-Flow Forecasting of Small Rivers Based on LSTM [3.921808417990452]
  本稿では,Long-Short Term Memory(LSTM)ディープラーニングモデルを用いて,予測を行う新しい手法を提案する。 本研究は,中国湖西省の1つの水文局の河川流量データと,周辺11の降雨局の降水データを収集し,河川流量データの予測を行った。 平均二乗誤差(RMSE)、平均絶対誤差(MAE)、判定係数(R2)の3つの基準を用いて予測結果を評価した。
  論文  参考訳（メタデータ） (2020-01-16T07:14:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。