論文の概要: Predicting Pollution Level Using Random Forest: A Case Study of Marilao
River in Bulacan Province, Philippines
- arxiv url: http://arxiv.org/abs/2202.06066v1
- Date: Sat, 12 Feb 2022 13:47:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:14:01.863245
- Title: Predicting Pollution Level Using Random Forest: A Case Study of Marilao
River in Bulacan Province, Philippines
- Title（参考訳）: ランダム森林を用いた汚染レベルの予測:フィリピン・ブラカン州マラオ川を事例として
- Authors: Jayson M. Victoriano, Manuel Luis C. Delos Santos, Albert A. Vinluan
and Jennifer T. Carpio
- Abstract要約: 本研究は,フィリピンのブラカン州にあるマリヨ川を脅かす汚染レベルを予測することを目的としている。
この水路の汚染は、使用済み鉛蓄電池、オープン・ダンプサイト・メタル精製、その他の有毒金属など、公式にも非公式の産業からもたらされる。
溶存酸素 (DO) や水素ポテンシャル (pH) , 生化学的酸素負荷 (BOD) やTSS (Total Suspended Solids) といった水質パラメータを用いて汚染レベルを予測する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study aims to predict the pollution level that threatens the Marilao
River, located in the province of Bulacan, Philippines. The inhabitants of this
area are now being exposed to pollution. Contamination of this waterway comes
from both formal and informal industries, such as a used lead-acid battery,
open dumpsites metal refining, and other toxic metals. Using various water
quality parameters like Dissolved Oxygen (DO), Potential of Hydrogen (pH),
Biochemical Oxygen Demand (BOD) and Total Suspended Solids (TSS) were the basis
for predicting the pollution level. This study used the Data Mining technique
based on the sample data collected from January of 2013 to November of 2017.
These were used as a training data and test results to predict the river
condition with its corresponding pollution level classification indicated with
the used of colors such as Green for Normal, Yellow for Average, Orange for
Polluted and Red for Highly Polluted. The model got an accuracy of 91.75% with
a Kappa value of 0.8115, interpreted as Strong in terms of the level of
agreement.
- Abstract（参考訳）: 本研究はフィリピンのブラカン州にあるマリラオ川を脅かす汚染レベルを予測することを目的としている。
現在、この地域の住民は汚染にさらされている。
この水路の汚染は、使用済み鉛蓄電池、オープン・ダンプサイト・メタル精製、その他の有毒金属など、公式および非公式の産業から来ている。
溶存酸素 (DO) や水素ポテンシャル (pH) , 生化学的酸素負荷 (BOD) やTSS (Total Suspended Solids) といった水質パラメータを用いて汚染レベルを予測する。
本研究は,2013年1月から2017年11月までのサンプルデータに基づくデータマイニング手法を用いた。
これらは, 緑, 黄色, 汚染度が高く, オレンジ色, 汚染度が高く, 河川の環境を推定するために, 訓練データおよび試験結果として用いられた。
モデルの精度は91.75%で、kappa の値は 0.8115 であり、合意のレベルにおいて強いと解釈された。
関連論文リスト
- Overestimation in LLM Evaluation: A Controlled Large-Scale Study on Data Contamination's Impact on Machine Translation [46.148465860465095]
機械翻訳作業における1Bと8Bの言語モデルに対する汚染の影響について検討した。
実験の結果,ソースとターゲットの汚染がBLEUスコアを大幅に膨らませていることが判明した。
対照的に、ソースのみの汚染とターゲットのみの汚染は、概して小さく、一貫性の低い過剰推定を生み出す。
論文 参考訳（メタデータ） (2025-01-30T21:51:18Z) - A review on development of eco-friendly filters in Nepal for use in cigarettes and masks and Air Pollution Analysis with Machine Learning and SHAP Interpretability [0.0]
大気質指数(AQI)はランダムフォレスト回帰器を用いて予測される。
最も低いテストRMSE(0.23)と欠陥のないR2スコア(1.00)では、CatBoostは他のモデルよりもパフォーマンスが良い。
本研究では,Hydrogen-Alpha (HA) 生分解性フィルターについて,関連する健康リスクを低減させる新しい方法として検討した。
論文 参考訳（メタデータ） (2025-01-23T04:16:58Z) - Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - Investigating Data Contamination for Pre-training Language Models [46.335755305642564]
我々は,一連のGPT-2モデルを事前学習することで,事前学習段階におけるデータ汚染の影響について検討する。
評価データから,テキスト汚染 (テキスト, 評価サンプルの入力テキスト) と接地トラス汚染 (テキスト, 入力に要求されるプロンプトと所望の出力) の両方の効果を強調した。
論文 参考訳（メタデータ） (2024-01-11T17:24:49Z) - Effects of a nuclear disturbed environment on a quantum free space
optical link [52.77024349608834]
本書は, 地上・衛星・受信システムの信号減衰に及ぼす核分裂大気環境の影響について検討する。
上昇する核雲とその後に輸送された破片を通して伝達される信号の減衰は、気候学的に10kt、100kt、および1山の表面レベルでの爆発をモデル化する。
論文 参考訳（メタデータ） (2021-08-10T19:25:54Z) - 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) - Use of Remote Sensing Data to Identify Air Pollution Signatures in India [0.3683202928838613]
センチネル-5P衛星の打ち上げは、より広い範囲の大気汚染物質の観測に役立った。
クラスタリングシグネチャは、様々な汚染源から放出される汚染物質の種類に基づいて、州や地区を特定するために使用することができる。
論文 参考訳（メタデータ） (2020-12-01T11:06:23Z) - Estimates of daily ground-level NO2 concentrations in China based on big
data and machine learning approaches [2.5426772826778063]
NO2は大気汚染物質の中で最も重要なものの一つである。
現在の地上レベルのNO2濃度データは、高テンポラル・カバーまたは全国規模のフル・カバーの欠如である。
本研究は,中国における地中NO2濃度を,比較的高い空間分解能で推定した初めてのものである。
論文 参考訳（メタデータ） (2020-11-18T00:24:40Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳（メタデータ） (2020-10-06T14:31:25Z) - Absentee and Economic Impact of Low-Level Fine Particulate Matter and
Ozone Exposure in K-12 Students [0.0]
大気汚染に伴う不在の経済的コストは、病院訪問や薬品などの間接的なコストを除いてもかなり大きい。
我々は,2015年7月から2018年6月までの36校のPM2.5およびオゾン濃度を,密度の高い研究グレードのセンサネットワークのデータを用いてモデル化した。
論文 参考訳（メタデータ） (2020-07-16T01:27:27Z) - Sub-Seasonal Climate Forecasting via Machine Learning: Challenges,
Analysis, and Advances [44.28969320556008]
サブシーズン気候予報(SSF)は、気温や降水量などの主要な気候変数を2週間から2ヶ月の時間スケールで予測することに焦点を当てている。
本稿では,米国本土におけるSSFのための機械学習(ML)アプローチについて検討する。
論文 参考訳（メタデータ） (2020-06-14T18:39:27Z)
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。