Fugu-MT 論文翻訳(概要): Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting

論文の概要: Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting

arxiv url: http://arxiv.org/abs/2306.07301v1
Date: Sun, 11 Jun 2023 06:56:00 GMT
ステータス: 処理完了
システム内更新日: 2023-06-14 16:28:00.759862
Title: Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting
Title（参考訳）: 大気汚染予測のための新しい回帰・最小方形支援ベクトル機械学習技術
Authors: Dhanalakshmi M and Radha V
Abstract要約: 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。
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 pollution is the origination of particulate matter, chemicals, or biological substances that brings pain to either humans or other living creatures or instigates discomfort to the natural habitat and the airspace. Hence, air pollution remains one of the paramount environmental issues as far as metropolitan cities are concerned. Several air pollution benchmarks are even said to have a negative influence on human health. Also, improper detection of air pollution benchmarks results in severe complications for humans and living creatures. To address this aspect, a novel technique called, Discretized Regression and Least Square Support Vector (DR-LSSV) based air pollution forecasting is proposed. The results indicate that the proposed DR-LSSV Technique can efficiently enhance air pollution forecasting performance and outperforms the conventional machine learning methods in terms of air pollution forecasting accuracy, air pollution forecasting time, and false positive rate.
Abstract（参考訳）: 大気汚染は粒子状物質、化学物質、生物物質の起源であり、人間や他の生物に痛みをもたらし、自然の生息地や空域に不快感を与える。そのため、都市部では大気汚染が主要な環境問題の一つとなっている。いくつかの大気汚染指標は、人間の健康に悪影響を及ぼすと言われている。また、大気汚染指標の不適切な検出は、人間や生物にとって深刻な合併症をもたらす。これに対処するために, 離散回帰と最小二乗支持ベクトル(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し, 従来の機械学習手法よりも大気汚染予測精度, 大気汚染予測時間, 偽陽性率で優れていた。

関連論文リスト

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)
Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文参考訳（メタデータ） (2023-08-21T19:36:50Z)
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)
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)
Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文参考訳（メタデータ） (2022-11-20T06:46:35Z)
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)
AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
論文参考訳（メタデータ） (2022-08-24T03:13:04Z)
Climate Change & Computer Audition: A Call to Action and Overview on Audio Intelligence to Help Save the Planet [98.97255654573662]
この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
論文参考訳（メタデータ） (2022-03-10T13:32:31Z)
Estimation of Air Pollution with Remote Sensing Data: Revealing Greenhouse Gas Emissions from Space [1.9659095632676094]
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-08-31T14:58:04Z)
HazeDose: Design and Analysis of a Personal Air Pollution Inhaled Dose Estimation System using Wearable Sensors [6.284628903370058]
我々はこのパラダイムを、個人の大気汚染をパーソナライズするHazeDoseシステムに拡張する。ユーザはモバイルアプリケーションを通じて、パーソナライズされた大気汚染の暴露情報を視覚化できる。 1つのアルゴリズムは、代替ルートシナリオの実行時間と量削減のバランスをとるために導入された。
論文参考訳（メタデータ） (2020-05-28T02:35:13Z)

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。