論文の概要: Using Machine Learning to Predict Air Quality Index in New Delhi

• arxiv url: http://arxiv.org/abs/2112.05753v1
• Date: Fri, 10 Dec 2021 00:20:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-18 20:50:11.375997
• Title: Using Machine Learning to Predict Air Quality Index in New Delhi
• Title（参考訳）: ニューデリーの空気品質指数予測に機械学習を使う
• Authors: Samayan Bhattacharya, Sk Shahnawaz
• Abstract要約: 各種汚染物質のレベルと大気質指標の予測には,SVRモデルを用いる。 このモデルは、二酸化炭素、一酸化炭素、二酸化窒素、粒子状物質2.5、地上レベルのオゾンなどの様々な汚染物質を、精度93.4%で予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Air quality has a significant impact on human health. Degradation in air quality leads to a wide range of health issues, especially in children. The ability to predict air quality enables the government and other concerned organizations to take necessary steps to shield the most vulnerable, from being exposed to the air with hazardous quality. Traditional approaches to this task have very limited success because of a lack of access of such methods to sufficient longitudinal data. In this paper, we use a Support Vector Regression (SVR) model to forecast the levels of various pollutants and the air quality index, using archive pollution data made publicly available by Central Pollution Control Board and the US Embassy in New Delhi. Among the tested methods, a Radial Basis Function (RBF) kernel produced the best results with SVR. According to our experiments, using the whole range of available variables produced better results than using features selected by principal component analysis. The model predicts levels of various pollutants, like, sulfur dioxide, carbon monoxide, nitrogen dioxide, particulate matter 2.5, and ground-level ozone, as well as the Air Quality Index (AQI), at an accuracy of 93.4 percent.
• Abstract（参考訳）: 空気質は人間の健康に大きな影響を及ぼす。 空気質の低下は、特に子供において、幅広い健康問題を引き起こす。 大気の質を予測する能力により、政府や関係機関は、最も脆弱な大気に有害な品質で曝されることを防ぐために必要な措置を取ることができる。 このタスクに対する従来のアプローチは、十分な縦断データへのアクセスが不足しているため、成功は極めて限られている。 本稿では,ニューデリーの中央公害管理委員会と米国大使館が公開しているアーカイブ汚染データを用いて,各種汚染物質と大気汚染指数のレベルを予測するために,サポートベクター回帰(svr)モデルを用いた。 試験手法の中では、放射基底関数(RBF)カーネルがSVRの最良の結果を生み出した。 実験結果によると, 利用可能な変数の範囲を全て使用すれば, 主成分分析で選択した特徴よりも優れた結果が得られることがわかった。 このモデルは、二酸化硫黄、一酸化炭素、二酸化窒素、粒子状物質2.5、地上レベルのオゾンなどの様々な汚染物質のレベルと、大気質指数(aqi)を93.4%の精度で予測する。

関連論文リスト

• Machine Learning for Urban Air Quality Analytics: A Survey [27.96085346957208]
  大気汚染は、広範囲にわたる結果に緊急の世界的な懸念をもたらす。 本稿では,機械学習に基づく空気質分析に関する総合的な調査を紹介する。
  論文  参考訳（メタデータ） (2023-10-14T17:03:29Z)
• Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting [0.0]
  大気汚染ベンチマークの不適切な検出は、人間や生物にとって深刻な合併症をもたらす。 DR-LSSVに基づく大気汚染予測手法を提案する。 その結果, DR-LSSV技術は大気汚染予測性能を効果的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-06-11T06:56:00Z)
• AirFormer: Predicting Nationwide Air Quality in China with Transformers [43.48965814702661]
  AirFormerは中国全国の空気質を総合的に予測する新しいトランスフォーマーアーキテクチャである。 AirFormerは72時間の予測で予測エラーを5%削減する。
  論文  参考訳（メタデータ） (2022-11-29T07:22:49Z)
• Discretized Linear Regression and Multiclass Support Vector Based Air Pollution Forecasting Technique [0.0]
  本稿では,クラウドコンピューティング環境における大気汚染の監視と制御を行うIoT(Internet of Things)システムを提案する。 インドにおける大気質データを用いた実験により,提案したLR-MSV法の優れた性能が明らかにされた。
  論文  参考訳（メタデータ） (2022-11-28T06:51:59Z)
• Data-driven Real-time Short-term Prediction of Air Quality: Comparison of ES, ARIMA, and LSTM [0.0]
  歴史的データに基づく空気質の予測には,データ駆動方式を用いる。 予測精度と時間的複雑さを考慮して, 短時間の大気汚染予測ESは, ARIMAやLSTMよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-11-16T09:37:08Z)
• An Adaptive and Altruistic PSO-based Deep Feature Selection Method for Pneumonia Detection from Chest X-Rays [28.656853454251426]
  肺炎は、特に世界の所得不足地域での小児死亡の主な原因の1つである。 コンピュータ支援型診断システム(CAD)は,プロの医療専門家よりも手術コストが低いため,そのような国で利用することができる。 深層学習の概念とメタヒューリスティックアルゴリズムを用いて,胸部X線からの肺炎検出のためのCADシステムを提案する。
  論文  参考訳（メタデータ） (2022-08-06T18:20:50Z)
• Assessing the Lockdown Effects on Air Quality during COVID-19 Era [8.733926566837676]
  特に、一酸化炭素(CO)、オゾン(O3)、二酸化窒素(NO2)、二酸化硫黄(SO2)などの特定の汚染ガスに対する濃度効果を強調した。 ヨーロッパ4都市(Athens, Gladsaxe, Lodz, Rome)に着目した大気質に及ぼすロックダウンの影響評価 雇用予防対策のレベルは、オックスフォード市政府対応トラッカーを用いて採用されている。 その結果, 汚染ガスの挙動を予測するモデルの構築が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T16:39:44Z)
• Evaluation of Time Series Forecasting Models for Estimation of PM2.5 Levels in Air [0.0]
  この研究では、環境中のPM2.5濃度を推定するために、ARIMA、FBProphet、LSTM、1D CNNなどのディープラーニングモデルを採用する。 予測結果から,すべての手法が平均根平均二乗誤差で比較結果を与えることがわかった。
  論文  参考訳（メタデータ） (2021-04-07T16:24:39Z)
• MOAI: A methodology for evaluating the impact of indoor airflow in the transmission of COVID-19 [37.38767180122748]
  疫学モデルは新型コロナウイルスのパンデミックの理解と対応に重要な役割を果たしている。 本稿では,所定の設定におけるユーザのリスクを評価するモデルを提案する。 次に,あるユーザに対する時間的リスク露光を評価するために,モデルに時間的追加を提案する。
  論文  参考訳（メタデータ） (2021-03-31T14:06:09Z)
• Deep-AIR: A Hybrid CNN-LSTM Framework for Air Quality Modeling in Metropolitan Cities [28.233460564726034]
  Deep-AIRは、畳み込みニューラルネットワークと長期記憶ネットワークを組み合わせた、新しいハイブリッドディープラーニングフレームワークである。 提案手法は,大気汚染と都市動態の特徴の相互相互作用の学習を強化するために,1x1畳み込み層を生成する。 香港では, 67.6%, 77.2%, 66.1%の精度, 1時間, 24時間大気汚染予測, 65.0%, 75.3%, 63.5%の精度を達成した。
  論文  参考訳（メタデータ） (2021-03-25T13:47:56Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。