Salamanca has been ranked as one of

Salamanca has been ranked as one of the most polluted cities in Mexico. The industry in the area led to a major
economic development and rapid population growth in the second half of the twentieth century. The concerning
registered pollutants are sulfur dioxide (SO2) and particles in the order of 10 micrometers or less (PM10). The prediction
of concentrations of those pollutants can be a powerful tool in order to take preventive measures such as the reduction
of emissions and alerting the affected population. This work presents a forecasting model to predict average
concentration of PM10 for the next 24 hours. The proposed model uses a combination of Multilayer Perceptron Neural
Network and clustering algorithm. The source database used contains historical time series of meteorological variables
and concentrations of PM10 collected in three different stations in Salamanca. The clustering algorithms have been
implemented in order to find relationships between PM10 and meteorological variables. These relationships will help us
to get additional information that will be used in the prediction model. The proposed model was compared, for accuracy
and validation purposes, with a simple Multilayer Perceptron and a multiple Linear Regression. The performance
estimation is determined using the Root Mean Square Error (RMSE) and the Mean Absolute Error (MAE). The obtained
results show the importance of this set of meteorological variables in the prediction of pollutant concentrations

ผลลัพธ์ (ไทย) 1:

ซาลามังก้าได้รับการจัดอันดับเป็นหนึ่งในเมืองเสียมากที่สุดในเม็กซิโก อุตสาหกรรมในพื้นที่นำไปเป็นหลักพัฒนาทางเศรษฐกิจและอัตราการเติบโตอย่างรวดเร็วในครึ่งหลังของศตวรรษที่ยี่สิบ เกี่ยวข้องกับสารมลพิษที่จดทะเบียนเป็นซัลเฟอร์ไดออกไซด์ (SO2) และอนุภาค กับคัลไมโครมิเตอร์ แบบ 10 หรือน้อย กว่า (PM10) คำทำนายของความเข้มข้นของสารมลพิษที่สามารถเป็นเครื่องมือที่มีประสิทธิภาพใช้มาตรการเช่นการลดการปล่อยและการแจ้งเตือนให้ประชากรได้รับผลกระทบ งานนี้นำเสนอโมเดลการคาดการณ์เพื่อทำนายค่าเฉลี่ยเข้มข้น PM10 24 ชั่วโมงถัดไป แบบเสนอใช้ชุดของ Multilayer เพอร์เซปตรอนประสาทเครือข่ายและอัลกอริทึมระบบคลัสเตอร์ ฐานข้อมูลต้นฉบับที่ใช้ประกอบด้วยชุดตัวแปรอุตุนิยมวิทยาเวลาทางประวัติศาสตร์และความเข้มข้นของ PM10 ที่รวบรวมสถานีแตกต่างกันสามในซาลามัสกา อัลกอริทึมระบบคลัสเตอร์ได้ใช้เพื่อค้นหาความสัมพันธ์ระหว่างตัวแปรอุตุนิยมวิทยาและ PM10 ความสัมพันธ์เหล่านี้จะช่วยให้เราเพื่อรับข้อมูลเพิ่มเติมที่จะใช้ในแบบจำลองการคาดการณ์ แบบเสนอเปรียบเทียบ ความถูกต้องและวัตถุ ประสงค์การตรวจสอบ เพอร์เซปตรอน Multilayer เรียบง่ายและการถดถอยเชิงเส้นหลาย ประสิทธิภาพการทำงานการประเมินจะถูกกำหนดค่าเฉลี่ยกำลังสองรากข้อผิดพลาด (RMSE) และหมายถึงแบบข้อผิดพลาด (แม่) ที่ได้รับผลแสดงความสำคัญของชุดตัวแปรอุตุนิยมวิทยาทำนายของความเข้มข้นของมลพิษ

ผลลัพธ์ (ไทย) 2:

ซาลามันกาได้รับการจัดอันดับให้เป็นหนึ่งในเมืองที่มีมลพิษมากที่สุดในเม็กซิโก
อุตสาหกรรมในพื้นที่นำไปสู่การที่สำคัญในการพัฒนาเศรษฐกิจและการเจริญเติบโตของประชากรอย่างรวดเร็วในช่วงครึ่งหลังของศตวรรษที่ยี่สิบ ที่เกี่ยวข้องกับมลพิษจดทะเบียนเป็นก๊าซซัลเฟอร์ไดออกไซด์ (SO2) และอนุภาคในลำดับที่ 10 ไมโครเมตรหรือน้อยกว่า (PM10) ทำนายความเข้มข้นของสารมลพิษเหล่านั้นสามารถเป็นเครื่องมือที่มีประสิทธิภาพในการใช้มาตรการป้องกันเช่นการลดการปล่อยก๊าซเรือนกระจกและการแจ้งเตือนที่มีประชากรที่ได้รับผลกระทบ งานนี้มีการจัดรูปแบบการพยากรณ์ที่จะคาดการณ์ค่าเฉลี่ยความเข้มข้นของ PM10 สำหรับ 24 ชั่วโมงถัดไป การนำเสนอรูปแบบการใช้การรวมกันของหลาย Perceptron ประสาทเครือข่ายและขั้นตอนวิธีการจัดกลุ่ม ฐานข้อมูลแหล่งที่มาใช้เวลาที่มีชุดประวัติศาสตร์ของตัวแปรอุตุนิยมวิทยาและความเข้มข้นของ PM10 เก็บในสามสถานีที่แตกต่างกันใน Salamanca การจัดกลุ่มวิธีการที่ได้รับการดำเนินการเพื่อหาความสัมพันธ์ระหว่าง PM10 และตัวแปรอุตุนิยมวิทยา ความสัมพันธ์เหล่านี้จะช่วยให้เราได้รับข้อมูลเพิ่มเติมที่จะใช้ในแบบจำลองการทำนาย รูปแบบที่นำเสนอได้รับการเปรียบเทียบความถูกต้องวัตถุประสงค์และการตรวจสอบที่มีหลาย Perceptron ง่ายและหลายถดถอยเชิงเส้น ผลการดำเนินงานประมาณค่าจะถูกกำหนดโดยใช้ราก Mean Square Error (RMSE) และข้อผิดพลาดหมายถึงแอบโซลูท (MAE) ที่ได้รับผลที่ได้แสดงถึงความสำคัญของการตั้งค่าของตัวแปรอุตุนิยมวิทยานี้ในการทำนายความเข้มข้นของสารมลพิษ

ผลลัพธ์ (ไทย) 3:

ซาลามังก้า ได้รับการจัดอันดับเป็นหนึ่งในเมืองที่มีมลพิษมากที่สุดในเม็กซิโก อุตสาหกรรมในพื้นที่นำไปสู่การพัฒนาเศรษฐกิจสาขา
และการเติบโตของประชากรอย่างรวดเร็วในช่วงครึ่งหลังของศตวรรษที่ยี่สิบ เกี่ยวกับ
ลงทะเบียนมลพิษมีซัลเฟอร์ไดออกไซด์ ( SO2 ) และอนุภาคในลำดับที่ 10 ไมโครเมตร หรือน้อยกว่า ( PM10 ) คำทำนาย
ความเข้มข้นของสารมลพิษเหล่านั้นสามารถเป็นเครื่องมือที่มีประสิทธิภาพในการใช้มาตรการป้องกัน เช่น การลดการปล่อยก๊าซ และแจ้งเตือน
ของประชากรที่ได้รับผลกระทบ งานนี้นำเสนอแบบจำลองการพยากรณ์ทำนายความเข้มข้นของ PM10 เฉลี่ย
สำหรับ 24 ชั่วโมงถัดไป แบบใช้การรวมกันของหลายชั้นธรรมดาและเครือข่ายประสาท
การจัดกลุ่มขั้นตอนวิธีแหล่งฐานข้อมูลที่ใช้ประกอบด้วยอนุกรมเวลาทางประวัติศาสตร์ของ
ตัวแปรทางอุตุนิยมวิทยาและความเข้มข้นของ PM10 เก็บสามสถานีที่แตกต่างกันใน Salamanca . ขั้นตอนวิธีการแบ่งกลุ่มได้
เพื่อค้นหาความสัมพันธ์ระหว่างตัวแปรพบว่า และอุตุนิยมวิทยา ความสัมพันธ์เหล่านี้จะช่วยเรา
เพื่อให้ได้รับข้อมูลเพิ่มเติมที่จะใช้ในการพยากรณ์แบบ