論文の概要: The State-of-the-Art in Air Pollution Monitoring and Forecasting Systems
using IoT, Big Data, and Machine Learning
- arxiv url: http://arxiv.org/abs/2304.09574v1
- Date: Wed, 19 Apr 2023 11:24:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 14:52:39.276345
- Title: The State-of-the-Art in Air Pollution Monitoring and Forecasting Systems
using IoT, Big Data, and Machine Learning
- Title（参考訳）: IoT,ビッグデータ,機械学習を用いた大気汚染モニタリング・予測システムの現状
- Authors: Amisha Gangwar, Sudhakar Singh, Richa Mishra, Shiv Prakash
- Abstract要約: 交通、産業、建設現場、発電機、花火、廃棄物の燃焼は、大気の質を劣化させる上で大きな割合を占めている。
空気の質は、場所、交通量、時間など様々な要因に依存する。
最近の研究は、機械学習アルゴリズム、ビッグデータ技術、モノのインターネットを使って、前述の目的のために安定的で効率的なモデルを提案している。
- 参考スコア（独自算出の注目度）: 2.724141845301679
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The quality of air is closely linked with the life quality of humans,
plantations, and wildlife. It needs to be monitored and preserved continuously.
Transportations, industries, construction sites, generators, fireworks, and
waste burning have a major percentage in degrading the air quality. These
sources are required to be used in a safe and controlled manner. Using
traditional laboratory analysis or installing bulk and expensive models every
few miles is no longer efficient. Smart devices are needed for collecting and
analyzing air data. The quality of air depends on various factors, including
location, traffic, and time. Recent researches are using machine learning
algorithms, big data technologies, and the Internet of Things to propose a
stable and efficient model for the stated purpose. This review paper focuses on
studying and compiling recent research in this field and emphasizes the Data
sources, Monitoring, and Forecasting models. The main objective of this paper
is to provide the astuteness of the researches happening to improve the various
aspects of air polluting models. Further, it casts light on the various
research issues and challenges also.
- Abstract（参考訳）: 空気の質は人間、プランテーション、野生動物の生活の質と密接に関連している。
継続的に監視・保存する必要がある。
輸送、産業、建設現場、発電機、花火、廃棄物の燃焼は空気の質を低下させる大きな要因である。
これらのソースは安全かつ制御された方法で使用する必要がある。
従来の実験室分析や、数マイルごとにかさばる高価なモデルをインストールすることは、もはや効率的ではない。
空気データの収集と分析にはスマートデバイスが必要である。
空気の質は、場所、交通量、時間など様々な要因に依存する。
最近の研究は、機械学習アルゴリズム、ビッグデータ技術、モノのインターネットを使って、前述の目的のために安定的で効率的なモデルを提案している。
本稿では、この分野での最近の研究を研究・編纂することに焦点を当て、データソース、モニタリング、予測モデルを強調する。
本研究の目的は, 大気汚染モデルにおける様々な側面を改善するため, 研究の適性を提供することである。
さらに、様々な研究課題や課題にも光を当てている。
関連論文リスト
- Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - Applications of machine learning and IoT for Outdoor Air Pollution
Monitoring and Prediction: A Systematic Literature Review [5.210689364246219]
世界保健機関(WHO)によると、大気汚染は毎年700万人が死亡している。
屋外空気は、低、中、高所得国に影響を及ぼす主要な環境健康問題である。
過去数年間、研究コミュニティは、屋外大気汚染予測のためのIoT対応機械学習アプリケーションを調査してきた。
論文 参考訳（メタデータ） (2024-01-03T15:36:33Z) - 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) - IoT-Based Air Quality Monitoring System with Machine Learning for
Accurate and Real-time Data Analysis [0.0]
本研究では, どこでも使用可能な携帯型空気質検知装置の開発を提案する。
収集されたデータは、クラウドベースのWebアプリThinkSpeakを使って保存および視覚化される。
論文 参考訳（メタデータ） (2023-07-02T14:18:04Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - Predicting air quality via multimodal AI and satellite imagery [0.2492060267829796]
本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。
欧州大気汚染監視局(ESA Copernicus)プロジェクトからtextitaltitude, population, etc.$などの機能を備えた新しい欧州汚染監視局(ECA)のデータセットが作成されている。
これらの予測は、異なる地域における空気の質を比較するのに使用できる「空気品質指標」を作成するために集約される。
論文 参考訳（メタデータ） (2022-11-01T22:56:15Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - The State of Aerial Surveillance: A Survey [62.198765910573556]
本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。
主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
論文 参考訳（メタデータ） (2022-01-09T20:13:27Z) - Deciphering Environmental Air Pollution with Large Scale City Data [0.0]
交通や発電所からの排出、家庭からの排出、自然発生など、様々な要因が大気汚染の上昇の背後にある主要な原因要因または影響要因であることが知られている。
本稿では,これらのエージェント間の関係を長期にわたって探索するための大規模都市情報データセットを提案する。
また,多種多様なモデルと方法論を用いて汚染物質レベルを推定または予測する問題に対するベンチマークのセットを提供する。
論文 参考訳（メタデータ） (2021-09-09T22:00:51Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z) - 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。