A modeling effort was conducted in

A modeling effort was conducted in order to investigate the potential of artificial neural network
methods, as tools for the achievement of the difficult task of the prediction of PM10 hourly
concentrations, 24-h in advance. This difficulty has been demonstrated in previous research
studies and is attributed to the complexity and diversity of the mechanisms governing the
determination of atmospheric particle levels, and to the necessity of using large datasets with a
high level of internal noise for the development of the models. However, the existence of such
predictions is essential for a large area as the metropolitan complex of Athens, for which PM10 is
a priority pollutant, with concentrations exceeding legislated standards in the majority of
measuring locations, and presenting significant diurnal variability with important implications for
public health.
MLP neural networks were constructed using a methodology already successfully implemented
for the prediction of daily average PM10 concentrations14 and a range of predictor variables
including a set of meteorological parameters, which are routinely monitored and forecasted by
authorities. Additional MLP models were trained on a reduced number of input variables, preselected
using a genetic algorithm based process. This was done in order to validate the
assumption that the reduced size of the training dataset would result at an improvement of the
generalization ability. Multiple linear regression was used as a method for the comparison of the
performance of the ANN models.
The results produced by the ANN models were rather satisfactory, for the two selected
measurement locations. The used performance indices point out a measurable improvement when

ผลลัพธ์ (ไทย) 1:

ความพยายามสร้างโมเดลได้ดำเนินการตรวจสอบศักยภาพของโครงข่ายประสาทเทียมวิธีการ เป็นเครื่องมือสำหรับความสำเร็จของงานยากในการคาดเดาของ PM10 ต่อชั่วโมงความเข้มข้น 24-h ในล่วงหน้า ปัญหานี้ได้แสดงให้เห็นว่างานวิจัยก่อนหน้านี้ศึกษา และบันทึกความซับซ้อนและความหลากหลายของกลไกการควบคุมการกำหนดระดับอนุภาคบรรยากาศ และความจำเป็นในการใช้ datasets ขนาดใหญ่ด้วยการเสียงภายในสำหรับการพัฒนาแบบจำลองระดับสูง อย่างไรก็ตาม การดำรงอยู่ของดังกล่าวคาดคะเนเป็นสิ่งจำเป็นสำหรับพื้นที่ขนาดใหญ่ซับซ้อนนครเอเธนส์ เป็น PM10มลพิษความสำคัญ มีความเข้มข้นเกินมาตรฐานส่วนใหญ่ legislatedวัดตำแหน่งที่ตั้ง และการนำเสนอความแปรผัน diurnal สำคัญกับนัยสำคัญสำหรับสาธารณสุขเครือข่ายประสาท MLP ถูกสร้างโดยใช้วิธีการดำเนินการเสร็จเรียบร้อยแล้วสำหรับคำทำนายประจำวัน concentrations14 PM10 เฉลี่ยและช่วงของตัวแปร predictorรวมถึงชุดของพารามิเตอร์อุตุนิยมวิทยา การตรวจสอบเป็นประจำ และคาดการณ์โดยหน่วยงาน มีฝึกเพิ่มเติม MLP รุ่นลดจำนวนตัวแปรอินพุต เลือกใช้ขั้นตอนวิธีพันธุกรรมตามกระบวนการ นี้ทำเพื่อตรวจสอบการอัสสัมชัญที่ว่า ลดขนาดของชุดข้อมูลการฝึกอบรมจะส่งผลในการปรับปรุงการgeneralization ability. Multiple linear regression was used as a method for the comparison of theperformance of the ANN models.The results produced by the ANN models were rather satisfactory, for the two selectedmeasurement locations. The used performance indices point out a measurable improvement when

ผลลัพธ์ (ไทย) 2:

ได้ดำเนินการสร้างแบบจำลองความพยายามในการที่จะตรวจสอบศักยภาพของเทียมเครือข่ายประสาทวิธีการเป็นเครื่องมือสำหรับความสำเร็จของงานที่ยากของการคาดการณ์รายชั่วโมง PM10 ที่เข้มข้นตลอด24 ชั่วโมงล่วงหน้า ปัญหานี้ได้รับการพิสูจน์ในการวิจัยก่อนหน้านี้การศึกษาและประกอบกับความซับซ้อนและความหลากหลายของกลไกการปกครองการกำหนดระดับอนุภาคในชั้นบรรยากาศและความจำเป็นของการใช้ชุดข้อมูลขนาดใหญ่ที่มีในระดับสูงของเสียงภายในสำหรับการพัฒนาของรุ่น แต่การดำรงอยู่ของดังกล่าวคาดการณ์เป็นสิ่งจำเป็นสำหรับพื้นที่ขนาดใหญ่เป็นที่ซับซ้อนนครเอเธนส์ซึ่ง PM10 เป็นมลพิษลำดับความสำคัญที่มีความเข้มข้นเกินมาตรฐานทางกฎหมายในส่วนใหญ่ของวัดสถานที่และนำเสนอความแปรปรวนในแต่ละวันอย่างมีนัยสำคัญที่มีผลกระทบที่สำคัญสำหรับประชาชนสุขภาพ. เครือข่ายประสาท MLP ถูกสร้างขึ้นโดยใช้วิธีการที่ประสบความสำเร็จอยู่แล้วนำมาใช้ในการทำนายของconcentrations14 PM10 เฉลี่ยต่อวันและช่วงของตัวแปรรวมทั้งชุดของพารามิเตอร์อุตุนิยมวิทยาซึ่งมีการตรวจสอบเป็นประจำและที่คาดการณ์ไว้โดยเจ้าหน้าที่ รุ่น MLP เพิ่มเติมได้รับการฝึกฝนในจำนวนที่ลดลงของตัวแปรป้อนข้อมูลไว้ล่วงหน้าโดยใช้ขั้นตอนวิธีพันธุกรรมตามกระบวนการ นี่คือการทำเพื่อที่จะตรวจสอบสมมติฐานที่ว่าลดขนาดของชุดการฝึกอบรมที่จะส่งผลให้การพัฒนาที่มีความสามารถทั่วไป หลายถดถอยเชิงเส้นที่ใช้เป็นวิธีการเปรียบเทียบของประสิทธิภาพการทำงานของรุ่น ANN. ผลที่ผลิตโดยรุ่น ANN เป็นที่น่าพอใจ แต่สำหรับสองเลือกสถานที่วัด ดัชนีประสิทธิภาพการทำงานที่ใช้ชี้ให้เห็นการปรับปรุงที่วัดได้เมื่อ

ผลลัพธ์ (ไทย) 3:

แบบจำลอง ความพยายามนี้มีวัตถุประสงค์เพื่อศึกษาศักยภาพของโครงข่ายประสาทเทียม
วิธี เป็นเครื่องมือเพื่อผลสัมฤทธิ์ของงานยากในการคาดการณ์รายชั่วโมงของ PM10
ความเข้มข้น 24-h ล่วงหน้า ปัญหานี้ได้แสดงในงานวิจัย
ก่อนหน้า และประกอบกับความซับซ้อนและความหลากหลายของกลไกการปกครอง