The aim of the present work is to e

The aim of the present work is to evaluate the potential of various developed neural network
models to provide reliable predictions of PM10 hourly concentrations 24-h in advance, a task that
has been demonstrated by research studies to present certain difficulties. The study area is the
Athens basin, which experiences a significant air pollution problem related to particulate matter.
Also, it has been shown that PM10 concentrations exhibit large variations within the day, with
peak hourly values being, frequently, several times higher than the daily average concentration. It
has been proposed that the diurnal variations of particle concentrations are very important for
exposure assessment and health effects are more linked with immediate exposure, rather than
with exposure during the past days. Thus, it appears that the availability of predictions of PM10
hourly concentrations could be of particular importance for authorities, at an operational level.
The results for two measurement locations of different type (a heavily trafficked location and an
suburban background location) are presented here. The PM10 data used cover the years of 2001-
2002. Artificial neural network models were developed using an ensemble of meteorological and
temporal input variables. A genetic algorithm procedure for the selection of the input variables
was also used and evaluated. The results of the neural network models were quite satisfactory.
Values of the coefficient of determination (R2) for independent test sets were 0.78-0.68 for the
two sites and values of the index of agreement 0.93-0.89 respectively. In addition, the mean
absolute errors were approximately 20% of the mean observed concentrations. The performance
of examined neural network models was superior in comparison to multiple linear regression
models that were developed in parallel (e.g. R2 for MLR models at the two sites 0.68-0.60
respectively). Their performance was also found adequate in the case of high concentration
events, with probabilities of detection exceeding 0.6 and low false alarm rates.

ผลลัพธ์ (ไทย) 1:

จุดมุ่งหมายของงานปัจจุบันจะประเมินศักยภาพของเครือข่ายประสาทพัฒนาต่าง ๆรูปแบบการให้คาดคะเนความน่าเชื่อถือของ PM10 ต่อชั่วโมงความเข้มข้น 24 h ในล่วงหน้า งานที่มีการสาธิต โดยศึกษาวิจัยจะนำเสนอปัญหาบางอย่าง พื้นที่ศึกษาคือการอ่างเอเธนส์ ซึ่งประสบปัญหามลพิษทางอากาศที่สำคัญที่เกี่ยวข้องกับเรื่องฝุ่นมันได้ถูกแสดงว่า ความเข้มข้น PM10 แสดงรูปขนาดใหญ่ภายในวัน มีค่าชั่วโมงสูงสุด บ่อย หลายครั้งที่สูงกว่าทุกวันเฉลี่ยความเข้มข้น มันได้รับการเสนอชื่อว่า diurnal รูปแบบของความเข้มข้นของอนุภาคมีความสำคัญมากเปิดเผยผลประเมินและสุขภาพเชื่อมโยงมากขึ้น มีแสงทันที rather กว่ามีแสงในระหว่างวันผ่านมา ดังนั้น มันปรากฏที่ความคาดคะเนของ PM10ความเข้มข้นต่อชั่วโมงอาจเป็นเฉพาะของหน่วยงาน ระดับการดำเนินงานผลการประเมินสถานที่สองชนิดที่แตกต่างกัน (ตำแหน่งเหตุการณ์มากและตั้งพื้นชานเมือง) จะแสดงที่นี่ ครอบคลุมข้อมูลใช้ PM10 ปี 2001-2002 แบบจำลองโครงข่ายประสาทเทียมถูกพัฒนาโดยใช้วงดนตรีเป็นของอุตุนิยมวิทยา และตัวแปรป้อนเข้าขมับ กระบวนงานขั้นตอนวิธีพันธุกรรมสำหรับการเลือกตัวแปรป้อนเข้ายังใช้ และประเมิน ผลลัพธ์ของแบบจำลองโครงข่ายประสาทค่อนข้างน่าพอใจค่าของค่าสัมประสิทธิ์การกำหนด (R2) สำหรับชุดทดสอบอิสระ 0.78-0.68 สำหรับการสองไซต์และค่าของจำนวนข้อตกลง 0.93 0.89 ตามลำดับ นอกจากนี้ ค่าเฉลี่ยข้อผิดพลาดที่แน่นอนได้ประมาณ 20% ของค่าเฉลี่ยความเข้มข้นในการสังเกต ประสิทธิภาพการทำงานแบบจำลองโครงข่ายประสาทกล่าวถึงเหนือกว่า โดยเชิงเส้นแบบพหุคูณรูปแบบที่ได้รับการพัฒนาควบคู่กัน (เช่น R2 รุ่น MLR ที่สองไซต์ 0.68-0.60ตามลำดับ) การปฏิบัติยังพบเพียงพอในกรณีที่ความเข้มข้นสูงกิจกรรม กับกิจกรรมตรวจเกิน 0.6 และต่ำเตือนราคา

ผลลัพธ์ (ไทย) 2:

จุดมุ่งหมายของการทำงานในปัจจุบันคือการประเมินศักยภาพของต่างๆที่พัฒนาเครือข่ายประสาทแบบจำลองเพื่อให้การคาดการณ์ที่เชื่อถือได้ของความเข้มข้นของ PM10 ชั่วโมงตลอด 24 ชั่วโมงล่วงหน้าว่างานที่ได้รับการพิสูจน์โดยการศึกษาวิจัยที่จะนำเสนอปัญหาบางอย่าง พื้นที่การศึกษาเป็นอ่างเอเธนส์ซึ่งประสบปัญหามลพิษทางอากาศที่สำคัญที่เกี่ยวข้องกับอนุภาคเรื่อง. นอกจากนี้จะได้รับการแสดงให้เห็นว่ามีความเข้มข้น PM10 แสดงรูปแบบขนาดใหญ่ภายในวันที่มีค่ารายชั่วโมงสูงสุดเป็นบ่อยหลายครั้งสูงกว่าทุกวันค่าเฉลี่ยความเข้มข้น มันได้รับการเสนอว่ารูปแบบรายวันความเข้มข้นของอนุภาคที่มีความสำคัญมากสำหรับการประเมินการเปิดรับและผลกระทบต่อสุขภาพมากขึ้นมีการเชื่อมโยงกับการเปิดรับทันทีมากกว่าที่มีความเสี่ยงในช่วงวันที่ผ่านมา ดังนั้นจึงปรากฏว่าความพร้อมของการคาดการณ์ของ PM10 ความเข้มข้นชั่วโมงอาจจะมีความสำคัญโดยเฉพาะอย่างยิ่งสำหรับเจ้าหน้าที่ในระดับปฏิบัติงาน. ผลสำหรับสองสถานที่วัดจากประเภทที่แตกต่างกัน (สถานที่ติดขัดและสถานที่ตั้งของพื้นหลังชานเมือง) ถูกแสดงไว้ที่นี่ ข้อมูล PM10 ที่ใช้ครอบคลุมปี 2001- 2002 ประดิษฐ์รูปแบบเครือข่ายประสาทได้รับการพัฒนาโดยใช้ชุดของอุตุนิยมวิทยาและตัวแปรชั่วคราว ขั้นตอนวิธีทางพันธุกรรมสำหรับการเลือกตัวแปรที่ยังถูกนำมาใช้และประเมินผล ผลที่ได้จากแบบจำลองเครือข่ายประสาทเป็นที่น่าพอใจมาก. ค่าของค่าสัมประสิทธิ์การตัดสินใจ (R2) สำหรับชุดทดสอบความเป็นอิสระเป็น 0.78-0.68 สำหรับสองเว็บไซต์และค่านิยมของดัชนีของข้อตกลง0.93-0.89 ตามลำดับ นอกจากนี้ยังหมายถึงข้อผิดพลาดที่แน่นอนประมาณ 20% ของค่าเฉลี่ยความเข้มข้นสังเกต ผลการดำเนินงานของการตรวจสอบรูปแบบเครือข่ายประสาทได้ดีกว่าเมื่อเทียบกับการถดถอยเชิงเส้นหลายรุ่นที่ได้รับการพัฒนาในแบบคู่ขนาน(เช่น R2 สำหรับรุ่น MLR ที่สองเว็บไซต์ 0.68-0.60 ตามลำดับ) ผลการดำเนินงานของพวกเขานอกจากนี้ยังพบที่เพียงพอในกรณีที่มีความเข้มข้นสูงเหตุการณ์ที่มีความน่าจะเป็นของการตรวจสอบเกิน 0.6 และต่ำอัตราการเตือนที่ผิดพลาด

ผลลัพธ์ (ไทย) 3:

วัตถุประสงค์ของงานวิจัยคือ เพื่อประเมินศักยภาพของการพัฒนาต่างๆโครงข่ายประสาทเทียมแบบจำลองการคาดการณ์ที่เชื่อถือได้ของ
ให้ความเข้มข้น PM10 รายชั่วโมง 24-h ล่วงหน้า งานที่
ได้แสดงโดยการศึกษาวิจัยเพื่อเสนอปัญหาบางอย่าง พื้นที่ศึกษาคือ
อ่างเอเธนส์ ซึ่งประสบการณ์ทางด้านมลพิษทางอากาศ ปัญหาที่เกี่ยวข้องกับฝุ่นละออง .
ยังมันได้ถูกแสดงว่าความเข้มข้นของ PM10 แสดงการเปลี่ยนแปลงขนาดใหญ่ภายในวันกับ
ชั่วโมงสูงสุด ค่าถูก บ่อย ๆครั้งสูงกว่าปริมาณเฉลี่ยรายวัน มัน
ได้เสนอว่า การแปรระหว่างความเข้มข้นของอนุภาคเป็นสิ่งสำคัญ
การประเมินการสัมผัสและผลกระทบต่อสุขภาพมากขึ้นเชื่อมโยงกับการสัมผัสได้ทันที มากกว่า
กับการเปิดรับในระหว่างวัน ที่ผ่านมา ดังนั้น จึงปรากฏว่ามีการคาดการณ์รายชั่วโมงของ PM10
ความเข้มข้นอาจจะสำคัญสำหรับเจ้าหน้าที่ในระดับปฏิบัติการ ผลการวัด
สองสถานที่ที่แตกต่างกันของชนิด ( หนักค้าที่ตั้งและ
พื้นหลังที่ชานเมือง ) จะแสดงที่นี่ การใช้ข้อมูลสำรวจครอบคลุมปี 2001 -
2002แบบจำลองโครงข่ายประสาทเทียมถูกพัฒนาโดยใช้การรวมวงของอุตุนิยมวิทยาและ
ตัวแปรชั่วคราว เป็นขั้นตอนวิธีเชิงพันธุกรรม ขั้นตอนสำหรับการเลือกของตัวแปร
ยังใช้และประเมิน ผลของแบบจำลองโครงข่ายประสาทเทียมได้ค่อนข้างน่าพอใจ
ค่าของสัมประสิทธิ์การตัดสินใจ ( R2 ) สำหรับชุดทดสอบสำหรับ
0.78-0.68 อิสระคือสองเว็บไซต์และค่าดัชนีของข้อตกลง 0.93-0.89 ตามลำดับ นอกจากนี้ หมายถึง
แน่นอนข้อผิดพลาดประมาณ 20% ของค่าเฉลี่ยแบบเข้มข้น ประสิทธิภาพของแบบจำลองโครงข่ายประสาท
ตรวจสอบได้ดีกว่าในการเปรียบเทียบกับสมการถดถอยพหุคูณ
โมเดลที่ถูกพัฒนาในแบบคู่ขนาน ( เช่น R2 สำหรับรุ่นที่ 1 ที่ 2 เว็บไซต์ 0.68-0.60
ตามลำดับ )ประสิทธิภาพการทำงานของพวกเขาพบเพียงพอในกรณีของเหตุการณ์ที่ความเข้มข้น
สูงกับค่าความน่าจะเป็นของการเกิน 0.6 และอัตราปลุกเท็จ .