Air quality is an important problem

Air quality is an important problem that directly affects human health. Air quality data are collected wirelessly from monitoring motes that are equipped with an array of gaseous and meteorological sensors. These data are analyzed and used in forecasting concentration values of pollutants using intelligent machine to machine platform. The platform uses ML-based algorithms to build the forecasting models by learning from the collected data. These models predict 1, 8, 12, and 24 hours ahead of concentration values.
Based on extensive experiments, M5P outperforms other algorithms for all gases in all horizons in terms of NRMSE and PTA because of the tree structure efficiency and powerful generalization ability. On the other hand, ANN achieved the worst results because of its poor generalization ability when working on small dataset with many attributes that leads to a complex network that overfit the data, while having SVM better than ANN in our case due to its adaptability with high dimensional data.

ผลลัพธ์ (ไทย) 1:

คุณภาพอากาศเป็นปัญหาสำคัญที่มีผลต่อสุขภาพของมนุษย์โดยตรง ข้อมูลคุณภาพอากาศเก็บแบบไร้สายจาก motes ที่มีอาร์เรย์ของก๊าซ และอุตุนิยมวิทยา การตรวจสอบ ข้อมูลเหล่านี้มีวิเคราะห์ และใช้ในการคาดการณ์ค่าความเข้มข้นของสารมลพิษที่ใช้แพลตฟอร์มเครื่องเครื่องอัจฉริยะ แพลตฟอร์มใช้ ML ใช้อัลกอริทึมการสร้างแบบจำลองคาดการณ์ โดยการเรียนรู้จากข้อมูลที่รวบรวม รุ่นนี้ทำนาย 1, 8, 12 และ 24 ชั่วโมงข้างหน้าค่าความเข้มข้นจากการทดลองอย่างละเอียด M5P มีอัลกอริทึมอื่น ๆ สำหรับก๊าซทั้งหมดในขอบเขตทั้งในแง่ของ NRMSE และ PTA สูงกว่าไฟเนื่องจากแผนภูมิโครงสร้างประสิทธิภาพและความสามารถในลักษณะมีประสิทธิภาพนอกจากนี้ บนมืออื่น ๆ แอนได้ผลลัพธ์เลวร้ายที่สุดเนื่องจากความสามารถในลักษณะที่ไม่ดีเมื่อทำงานบนชุดข้อมูลขนาดเล็กมีจำนวนมากคุณลักษณะที่นำไปสู่เครือข่ายซับซ้อนที่ overfit ข้อมูล มีดีกว่าแอน SVM ในกรณีของเราเนื่องจากการปรับตัวกับข้อมูลมิติสูง

ผลลัพธ์ (ไทย) 2:

คุณภาพอากาศเป็นปัญหาสำคัญที่มีผลโดยตรงต่อสุขภาพของมนุษย์ ข้อมูลคุณภาพอากาศแบบไร้สายจะถูกเก็บรวบรวมจากการตรวจสอบ motes ที่มีการติดตั้งเซ็นเซอร์อาร์เรย์ของก๊าซและอุตุนิยมวิทยา ข้อมูลเหล่านี้จะวิเคราะห์และนำมาใช้ในการพยากรณ์ค่าความเข้มข้นของสารมลพิษโดยใช้เครื่องอัจฉริยะเพื่อแพลตฟอร์มเครื่อง แพลตฟอร์มที่ใช้ขั้นตอนวิธี ML-based ในการสร้างแบบจำลองการคาดการณ์โดยการเรียนรู้จากการเก็บรวบรวมข้อมูล รูปแบบเหล่านี้คาดการณ์ที่ 1, 8, 12, และ 24 ชั่วโมงข้างหน้าของค่าความเข้มข้น.
ขึ้นอยู่กับการทดลองที่ครอบคลุมและมีประสิทธิภาพดีกว่า M5P ขั้นตอนวิธีการอื่น ๆ สำหรับก๊าซทั้งหมดในขอบเขตอันไกลโพ้นทั้งหมดในแง่ของ NRMSE และ PTA เพราะประสิทธิภาพโครงสร้างและความสามารถทั่วไปที่มีประสิทธิภาพ บนมืออื่น ๆ แอนบรรลุผลที่เลวร้ายที่สุดเพราะความสามารถทั่วไปของมันไม่ดีเมื่อทำงานในชุดข้อมูลขนาดเล็กที่มีคุณลักษณะหลายอย่างที่นำไปสู่การเป็นเครือข่ายที่ซับซ้อนที่ overfit ข้อมูลในขณะที่มี SVM ดีกว่า ANN ในกรณีของเราเนื่องจากการปรับตัวสูง ข้อมูลมิติ

ผลลัพธ์ (ไทย) 3:

คุณภาพอากาศ เป็นปัญหาสำคัญที่ส่งผลกระทบต่อสุขภาพของมนุษย์ ข้อมูลคุณภาพอากาศแบบไร้สายจากการตรวจสอบรวบรวมโมตส์ที่ติดตั้งกับอาร์เรย์ของก๊าซและอากาศเซ็นเซอร์ ข้อมูลเหล่านี้เป็นข้อมูลที่ใช้ในการพยากรณ์มีค่าความเข้มข้นของมลพิษโดยใช้เครื่องฉลาดเพื่อแพลตฟอร์มเครื่อง แพลตฟอร์มใช้ ML ตามขั้นตอนวิธีสร้างแบบจำลองการคาดคะเน โดยการเรียนรู้จากข้อมูล โมเดลเหล่านี้ทำนาย 1 , 8 , 12 และ 24 ชั่วโมงข้างหน้าของความเข้มข้นของค่าจากการทดลองอย่างละเอียด m5p มีประสิทธิภาพดีกว่าขั้นตอนวิธีอื่นๆ ทุกก๊าซในขอบเขตในแง่ของ nrmse สมาคมเพราะต้นไม้โครงสร้างประสิทธิภาพและความสามารถในการมีประสิทธิภาพ บนมืออื่น ๆ , แอนบรรลุผลที่เลวร้ายที่สุด เพราะความยากจน การความสามารถเมื่อทำงานบนชุดข้อมูลขนาดเล็กที่มีจำนวนมากคุณลักษณะที่นำไปสู่เครือข่ายที่ซับซ้อน overfit ข้อมูลในขณะที่มี SVM ดีกว่า แอน ในคดีนี้ เนื่องจากการปรับตัวของข้อมูลมิติสูง