The obtained values of MAE were sli

The obtained values of MAE were slightly higher than the 20% of the mean for the MLPf models
in both sites. In addition, especially high values of the correlation coefficient and the index of
agreement were found. The correlation coefficient exceeded 0.8 at both sites and the IA values
were circa 0.9, for MLPf models. These results are comparable with those obtained in other
studies for predictions of daily PM10 concentrations11,12,15.
Regarding the performance of the GA-MLP models, the reduction of the number of input
variables did not appear to yield in a drastic improvement of the networks generalization ability.
However, the results remain satisfactory for the GA-MLP models, with the values of the statistic
indicators being slightly better at both sites, than the respective values for the MLPf models. The
method appears to be promising and can have significant applicability in the case of datasets with
a smaller number of training cases and large number of considered input variables, like the
prediction of daily average PM values.
In comparison to the traditional MLR models the performance of MLPf models was significantly
improved. This improvement is interpreted to 18% lower RMSE values at MAR while the
respective difference for the ZOG station is 9.2%. Figures 2,3 present the scatter-plots between
predicted and observed values of MLPf and MLR models, along with least squares equations, for
the two monitoring stations. It can be seen that the values of the coefficient of determination (R2)
are higher for the MLPf models for both sites by 10% and 6%. The GA-MLP models also
outperform the MLR models especially in the site of MAR. This improvement in the
performance is justified since the neural networks are trained to model the highly non-linear
relationships between particle concentrations and meteorological variables, which constrain the
predictive ability of multiple linear regression techniques6,

ผลลัพธ์ (ไทย) 1:

ค่าได้รับของแม่ได้สูงมากมากกว่า 20% ของค่าเฉลี่ยสำหรับรุ่น MLPfในทั้งสองไซต์ นอกจากนี้ โดยเฉพาะอย่างยิ่งสูงค่าของสัมประสิทธิ์สหสัมพันธ์และดัชนีของพบข้อตกลง ค่าสัมประสิทธิ์สหสัมพันธ์เกิน 0.8 ที่ไซต์และค่า IAประมาณ 0.9 รุ่น MLPf ได้ ผลลัพธ์เหล่านี้จะเทียบได้กับได้ในที่อื่น ๆการศึกษาเพื่อคาดการณ์วัน PM10 concentrations11, 12, 15เกี่ยวกับประสิทธิภาพการทำงานของ GA MLP ลดจำนวนอินพุตตัวแปรไม่ใช่ให้ ผลในการปรับปรุงความสามารถในลักษณะเครือข่ายเป็นอย่างมากอย่างไรก็ตาม ผลลัพธ์ยังคงพอใจสำหรับรุ่น GA MLP กับค่าของสถิติตัวบ่งชี้การเล็กน้อยกว่าได้ทั้งสถานที่ ค่าเกี่ยวข้องสำหรับรุ่น MLPf การวิธีปรากฏ เป็นสัญญา และมีความสำคัญในกรณีของชุดข้อมูลด้วยกรณีฝึกอบรมจำนวนน้อยและจำนวนมากของการพิจารณาตัวแปรป้อนเข้า การประมาณการค่า PM เฉลี่ยประจำวันเมื่อเทียบกับรุ่น MLR ดั้งเดิม ประสิทธิภาพของ MLPf รุ่นอย่างมีนัยสำคัญการปรับปรุง การปรับปรุงนี้ถูกตีความค่า RMSE ที่ต่ำกว่า 18% ที่มี.ค.ขณะความแตกต่างที่เกี่ยวข้องสำหรับสถานี ZOG 9.2% ตัวเลข 2, 3 แสดงแปลงกระจายระหว่างสังเกต และคาดการณ์ค่าของ MLPf และ MLR โมเดล พร้อมกับสี่เหลี่ยมอย่างน้อยสมการ สำหรับสถานีตรวจสอบสอง จะเห็นได้ที่ค่าของสัมประสิทธิ์การกำหนด (R2)สูงกว่ารุ่น MLPf สำหรับทั้งไซต์โดย 10% และ 6% รุ่น GA-MLP ยังดีกว่าแบบ MLR โดยเฉพาะอย่างยิ่งในเว็บไซต์ของทะเล ปรับปรุงนี้ในการประสิทธิภาพเป็นธรรมเนื่องจากมีการฝึกอบรมเครือข่ายประสาทการโมเดลสูงไม่ใช่เชิงเส้นความสัมพันธ์ระหว่างความเข้มข้นของอนุภาคและตัวแปรอุตุนิยมวิทยา ซึ่งจำกัดการสามารถคาดการณ์ของหลาย techniques6 ถดถอยเชิงเส้น

ผลลัพธ์ (ไทย) 2:

ค่าที่ได้รับแม่สูงกว่า 20% ของค่าเฉลี่ยสำหรับรุ่น MLPf เล็กน้อย
ในเว็บไซต์ทั้งสอง นอกจากนี้ค่าที่สูงโดยเฉพาะอย่างยิ่งค่าสัมประสิทธิ์สหสัมพันธ์และดัชนีของ
ข้อตกลงที่ถูกพบ ค่าสัมประสิทธิ์สหสัมพันธ์เกิน 0.8 ที่เว็บไซต์ทั้งสองและค่าไอโอวา
เป็นประมาณ 0.9 สำหรับรุ่นที่ MLPf ผลลัพธ์เหล่านี้จะเปรียบกับผู้ที่ได้รับคนอื่น ๆ ใน
การศึกษาสำหรับการคาดการณ์ของ concentrations11,12,15 PM10 ในชีวิตประจำวัน.
เกี่ยวกับประสิทธิภาพการทำงานของรุ่น GA-MLP ที่ลดลงของจำนวนการป้อนข้อมูล
ตัวแปรไม่ปรากฏว่าผลผลิตในการปรับปรุงอย่างมากของ ความสามารถของเครือข่ายทั่วไป.
แต่ผลที่ยังคงอยู่ในระดับที่น่าพอใจสำหรับรุ่น GA-MLP กับค่าสถิติที่
ชี้วัดการเป็นดีกว่าเล็กน้อยที่เว็บไซต์ทั้งสองกว่าค่าตามลำดับสำหรับรุ่น MLPf
วิธีที่ดูเหมือนจะมีแนวโน้มและสามารถมีการบังคับใช้อย่างมีนัยสำคัญในกรณีของชุดข้อมูลที่มี
ขนาดเล็กจำนวนของกรณีการฝึกอบรมและจำนวนมากของตัวแปรการพิจารณาเช่นเดียวกับ
การคาดการณ์ของค่า PM เฉลี่ยต่อวัน.
เมื่อเปรียบเทียบกับรุ่นดั้งเดิม MLR ประสิทธิภาพการทำงานของ รุ่น MLPf อย่างมีนัยสำคัญ
ที่ดีขึ้น การปรับปรุงนี้จะถูกตีความไปเป็นค่า RMSE ต่ำกว่า 18% ที่ MAR ในขณะที่
ความแตกต่างของแต่ละสถานี ZOG คือ 9.2% ตัวเลข 2,3 นำเสนอกระจายแปลงระหว่าง
ค่าคาดการณ์และข้อสังเกตของ MLPf และ MLR รุ่นพร้อมกับสมการกำลังสองน้อยที่สุดสำหรับ
ทั้งสองสถานีตรวจสอบ จะเห็นได้ว่าค่าของค่าสัมประสิทธิ์การตัดสินใจ (R2) ที่
เป็นที่สูงขึ้นสำหรับรุ่น MLPf สำหรับเว็บไซต์ทั้ง 10% และ 6% รุ่น GA-MLP ยัง
มีประสิทธิภาพสูงกว่ารุ่น MLR โดยเฉพาะอย่างยิ่งในเว็บไซต์ มี.ค. การปรับปรุงในนี้
ประสิทธิภาพเป็นธรรมตั้งแต่เครือข่ายประสาทได้รับการฝึกฝนในการจำลองสูงที่ไม่ใช่เชิงเส้น
ความสัมพันธ์ระหว่างความเข้มข้นของอนุภาคและตัวแปรอุตุนิยมวิทยาซึ่งเป็นการบังคับ
ความสามารถในการคาดการณ์ของ techniques6 ถดถอยเชิงเส้นหลาย

ผลลัพธ์ (ไทย) 3:

นำค่าของแม่ได้สูงกว่า 20% ของค่าเฉลี่ยสำหรับ mlpf รุ่นทั้งในเว็บไซต์ นอกจากนี้ ค่าสูงโดยเฉพาะอย่างยิ่งของสัมประสิทธิ์สหสัมพันธ์ และดัชนีของข้อตกลงที่พบ สัมประสิทธิ์สหสัมพันธ์เกิน 0.8 ทั้งเว็บไซต์และ IA ค่ามีประมาณ 0.9 , สำหรับรุ่น mlpf . ผลลัพธ์เหล่านี้จะเปรียบกับผู้ที่ได้รับในอื่น ๆการศึกษาเพื่อคาดคะเนของ concentrations11,12,15 PM10 ในแต่ละวันเกี่ยวกับการปฏิบัติงานของ ga-mlp รุ่น การลดจำนวนของข้อมูลตัวแปรที่ไม่ได้ปรากฏผลในการปรับปรุงเครือข่ายการรุนแรงของความสามารถอย่างไรก็ตาม ผลไม่น่าพอใจสำหรับ ga-mlp รุ่นที่มีค่าของเครื่องมือตัวชี้วัดการดีขึ้นเล็กน้อยในเว็บไซต์ทั้งสอง กว่าค่าที่เกี่ยวข้องกับ mlpf รุ่น ที่วิธีที่ดูเหมือนจะเป็นสัญญา และมีความ สามารถประยุกต์ใช้ในกรณีของข้อมูลด้วยจำนวนเล็ก ๆของกรณีการฝึกอบรมและจำนวนมากของการพิจารณาตัวแปร เช่นทำนายรายวันเฉลี่ยของ PM ค่าในการเปรียบเทียบกับรุ่นดั้งเดิมสำหรับการแสดงของรุ่น mlpf อย่างมีนัยสำคัญทางสถิติปรับปรุง การปรับปรุงนี้จะตีความค่า RMSE ต่ำกว่าร้อยละ 18 มี.ค. ขณะที่ที่ความแตกต่างที่เกี่ยวข้องกับซ็อกสถานีเป็น 9.2 % 2.3 ปัจจุบันตัวเลขกระจายแปลงระหว่างทำนายและสังเกตค่าของแบบจำลองและ mlpf ใหม่พร้อมกับสมการกำลังสองน้อยที่สุดสำหรับสองการตรวจสอบสถานี จะเห็นได้ว่าค่าของสัมประสิทธิ์การตัดสินใจ ( R2 )ที่สูงขึ้นสำหรับ mlpf รูปแบบทั้งเว็บไซต์ 10 % และ 6 % การ ga-mlp รุ่นยังมีประสิทธิภาพสูงกว่า MLR รุ่นโดยเฉพาะในเว็บไซต์ของโครงการนี้ในเดือน มี.ค.การแสดงธรรมตั้งแต่โครงข่ายประสาทเทียมมาแบบไม่เป็นเชิงเส้นอย่างมากความสัมพันธ์ระหว่างความเข้มข้นของอนุภาคและอุตุนิยมวิทยาซึ่งกำหนดตัวแปรความสามารถในการทำนายของสมการถดถอยพหุคูณ techniques6 ,