The prediction results obtained wit

The prediction results obtained with the proposed model
exceed those obtained with the simple neural network. This proves
that it is possible to improve performance by using additional
information from the existing nonlinear relationships between the
concentration of the pollutants and the meteorological variables.
Moreover this information reduces the necessary input data to
make the prediction as shown in Tables 2 and 3, where we can see
that, using MLP model, NA station requires 7 days of previous
information to make the prediction while the proposed model only
requires one day of previous data. For the DIF station, the MLP
model requires 4 days of previous information while the proposed
model requires only one day of previous data.

ผลลัพธ์ (ไทย) 1:

ผลการทำนายได้ ด้วยรูปแบบนำเสนอเกินที่รับกับเครือข่ายประสาทง่าย นี้พิสูจน์จำเป็นต้องปรับปรุงประสิทธิภาพการทำงานโดยเพิ่มเติมข้อมูลจากความสัมพันธ์ไม่เชิงเส้นที่มีอยู่ระหว่างการความเข้มข้นของสารมลพิษและตัวแปรอุตุนิยมวิทยานอกจากนี้ ข้อมูลนี้ลดการป้อนข้อมูลจำเป็นเพื่อทำให้คำทำนายดังแสดงในตาราง 2 และ 3 ที่เราสามารถมองเห็นที่ ใช้รุ่น MLP สถานีนาต้อง 7 วันก่อนหน้านี้ข้อมูลเพื่อการพยากรณ์ในขณะที่แบบจำลองนำเสนอเท่านั้นต้องการข้อมูลก่อนหน้านี้หนึ่งวัน สำหรับสถานี DIF, MLPรูปต้องใช้ 4 วันข้อมูลก่อนหน้าในขณะนำเสนอรูปแบบต้องใช้เพียงหนึ่งวันก่อนหน้าข้อมูล

ผลลัพธ์ (ไทย) 2:

ผลการทำนายที่ได้รับกับรูปแบบที่นำเสนอเกินผู้ที่ได้รับกับเครือข่ายประสาทง่าย นี้พิสูจน์ให้เห็นว่ามันเป็นไปได้ที่จะปรับปรุงประสิทธิภาพการทำงานโดยใช้เพิ่มเติมข้อมูลจากความสัมพันธ์เชิงเส้นที่มีอยู่ระหว่างความเข้มข้นของสารมลพิษและตัวแปรอุตุนิยมวิทยา. นอกจากนี้ข้อมูลนี้จะช่วยลดการป้อนข้อมูลที่จำเป็นเพื่อให้การคาดการณ์ดังแสดงในตารางที่ 2 และ 3 ที่ เราจะเห็นว่าการใช้รูปแบบMLP สถานี NA ต้อง 7 วันก่อนหน้านี้ข้อมูลที่จะทำให้การคาดการณ์ในขณะที่การนำเสนอรูปแบบเพียงแต่ต้องมีหนึ่งวันของข้อมูลก่อนหน้านี้ สำหรับสถานี DIF ที่ MLP รุ่น 4 วันต้องของข้อมูลที่ก่อนหน้าในขณะที่นำเสนอรูปแบบต้องมีเพียงหนึ่งวันของข้อมูลก่อนหน้านี้

ผลลัพธ์ (ไทย) 3:

การทำนายผลด้วยแบบจำลอง
เกินเหล่านั้นได้ ด้วยโครงข่ายประสาทเทียมแบบง่ายๆ นี้พิสูจน์
ที่เป็นไปได้เพื่อปรับปรุงประสิทธิภาพโดยการใช้ข้อมูลเพิ่มเติม
จากที่มีอยู่เส้นความสัมพันธ์ระหว่างความเข้มข้นของสารมลพิษและ

นอกจากนี้ตัวแปรทางอุตุนิยมวิทยา ข้อมูลนี้ช่วยลดการป้อนข้อมูลที่จำเป็น

ให้คำทำนายดังแสดงใน ตารางที่ 2 และ 3 ซึ่งเราสามารถดู
ที่ใช้แบบจำลอง MLP , สถานีต้อง 7 วัน ข้อมูลก่อนหน้านี้
เพื่อให้คำทำนายในขณะที่แบบจำลองเท่านั้น
ต้องวันเดียวของข้อมูลเดิม สำหรับระดับสถานี MLP
แบบต้อง 4 วันของข้อมูลก่อนหน้านี้ในขณะที่เสนอ
แบบต้องมีเพียงหนึ่งวันของข้อมูลเดิม