論文の概要: A Model for Forecasting Air Quality Index in Port Harcourt Nigeria Using
Bi-LSTM Algorithm
- arxiv url: http://arxiv.org/abs/2302.03930v1
- Date: Wed, 8 Feb 2023 08:09:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-09 16:55:45.733115
- Title: A Model for Forecasting Air Quality Index in Port Harcourt Nigeria Using
Bi-LSTM Algorithm
- Title(参考訳): Bi-LSTMアルゴリズムを用いたナイジェリア港の大気質指数予測モデル
- Authors: O. E. Taylor and P. S. Ezekiel
- Abstract要約: 本稿では,二方向LSTMモデルを用いてナイジェリアの大気質指数を予測するモデルを提案する。
大気汚染データはオンラインデータベース(UCL)からダウンロードされ、両方のパンダツールをピソンで前処理した。
Bi-LSTMモデルは平均二乗誤差,平均絶対誤差,絶対平均二乗,R2二乗などの評価パラメータを用いて評価した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The release of toxic gases by industries, emissions from vehicles, and an
increase in the concentration of harmful gases and particulate matter in the
atmosphere are all contributing factors to the deterioration of the quality of
the air. Factors such as industries, urbanization, population growth, and the
increased use of vehicles contribute to the rapid increase in pollution levels,
which can adversely impact human health. This paper presents a model for
forecasting the air quality index in Nigeria using the Bi-directional LSTM
model. The air pollution data was downloaded from an online database (UCL). The
dataset was pre-processed using both pandas tools in python. The pre-processed
result was used as input features in training a Bi-LSTM model in making future
forecasts of the values of the particulate matter Pm2.5, and Pm10. The Bi-LSTM
model was evaluated using some evaluation parameters such as mean square error,
mean absolute error, absolute mean square, and R^2 square. The result of the
Bi-LSTM shows a mean square error of 52.99%, relative mean square error of
7.28%, mean absolute error of 3.4%, and R^2 square of 97%. The model. This
shows that the model follows a seamless trend in forecasting the air quality in
Port Harcourt, Nigeria.
- Abstract(参考訳): 産業による有害ガスの放出、自動車からの排出、大気中の有害ガスや粒子状物質の濃度の増加は、いずれも空気の質の低下に寄与する要因である。
産業、都市化、人口増加、自動車の利用の増加といった要因は、汚染レベルの増加に寄与し、人間の健康に悪影響を及ぼす可能性がある。
本稿では,二方向LSTMモデルを用いてナイジェリアの大気質指数を予測するモデルを提案する。
大気汚染データは、オンラインデータベース(UCL)からダウンロードされた。
データセットはpythonのpandasツールを使って事前に処理された。
その結果,Bi-LSTMモデルを用いて粒子状物質Pm2.5,Pm10の値の将来の予測を行った。
Bi-LSTMモデルは平均平方誤差,平均絶対誤差,絶対平均平方,R^2平方などの評価パラメータを用いて評価した。
Bi-LSTMの結果、平均平方誤差は52.99%、相対平均平方誤差は7.28%、絶対絶対誤差は3.4%、R^2平方誤差は97%である。
モデル。
このモデルはナイジェリアのポートハーコートにおける空気質予測においてシームレスな傾向を示している。
関連論文リスト
- Fairness Feedback Loops: Training on Synthetic Data Amplifies Bias [47.79659355705916]
モデル誘導分散シフト(MIDS)は、以前のモデルが代々のモデルに対して汚染された新しいモデルトレーニングセットを出力するときに発生する。
我々は,複数世代にわたるMIDSの追跡を可能にするフレームワークを導入し,性能,公平性,少数化グループ表現の損失につながることを確認した。
これらの否定的な結果にもかかわらず、モデルがデータエコシステムにおけるポジティブで意図的な介入にどのように使用されるかを特定します。
論文 参考訳(メタデータ) (2024-03-12T17:48:08Z) - Generalization or Memorization: Data Contamination and Trustworthy
Evaluation for Large Language Models [34.60647883219719]
CDD は LLM の出力分布による汚染検出の略である。
評価におけるデータ汚染の影響を軽減するため、TED:出力分布による信頼に値する評価も提示する。
論文 参考訳(メタデータ) (2024-02-24T23:54:41Z) - Air Quality Forecasting Using Machine Learning: A Global perspective
with Relevance to Low-Resource Settings [0.0]
大気汚染は世界第4位の死因である。
本研究では,2ヶ月の空気質データを用いた高精度な空気質予測のための新しい機械学習手法を提案する。
論文 参考訳(メタデータ) (2024-01-09T05:52:02Z) - Bridging the Gap: Generalising State-of-the-Art U-Net Models to
Sub-Saharan African Populations [37.59488403618245]
腫瘍セグメンテーションモデルにとって重要な課題は、多様な臨床環境に適応できる能力である。
2022年のBraTSコンペティションにおける第2位を確保したフレームワークを再現し、データセット合成がモデル性能に与える影響を調査した。
論文 参考訳(メタデータ) (2023-12-19T01:03:19Z) - On Measuring Fairness in Generative Models [34.60559158144174]
フェアネス測定は、フェアジェネレーションモデルにおいて、ゲージの進行に重要な要素である。
まず,既存の公正度測定フレームワークにかなりの測定誤差があることを明らかにする。
第2に, クラシファイア・エラー・アウェア計測(CLEAM)を提案する。これは統計モデルを用いて, SA分類器の不正確さを推定する新しいフレームワークである。
第3に,CLEAMを用いて重要なテキスト・画像生成器とGANの公平性を計測し,これらのモデルにかなりのバイアスを生じさせ,それらのアプリケーションに対する懸念を提起する。
論文 参考訳(メタデータ) (2023-10-30T06:33:48Z) - A comparative study of statistical and machine learning models on
near-real-time daily emissions prediction [0.0]
二酸化炭素排出量の急激な上昇は、地球温暖化と気候変動の大きな原因である。
本稿は、2020年1月1日から2022年9月30日までの日中排出量予測に適したモデルを選択することを目的とする。
論文 参考訳(メタデータ) (2023-02-02T15:14:27Z) - 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) - Perturbation Augmentation for Fairer NLP [33.442601687940204]
少なくとも、モデルフェアネスを測定するための最良の指標によると、人口動態に乱れたコーパスで事前訓練された言語モデルは、より公平である。
我々の発見は有望であるように思われるが、大きな言語モデルの(不)公正性を評価するのにどのように最適かという優れた疑問だけでなく、まだいくつかの制限がある。
論文 参考訳(メタデータ) (2022-05-25T09:00:29Z) - Using Machine Learning to Predict Air Quality Index in New Delhi [0.0]
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。
論文 参考訳(メタデータ) (2021-12-10T00:20:05Z) - 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) - Analytical Equations based Prediction Approach for PM2.5 using
Artificial Neural Network [0.0]
粒子状物質(PM2.5)は大気質指数(AQI)を測定する重要な粒子状汚染物質の一つである。
PM2.5をモニターするために空気質監視局が使用する従来の機器は、コストが高く、かさばる、時間を消費し、電力を消費する。
本稿では,ニューラルネットワーク(ANN)を用いたPM2.5の解析式に基づく予測手法を提案する。
論文 参考訳(メタデータ) (2020-02-26T11:39:18Z)
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。