A modeling effort was conducted in

A modeling effort was conducted in order to investigate the potential of artificial neural network
methods, as tools for the achievement of the difficult task of the prediction of PM10 hourly
concentrations, 24-h in advance. This difficulty has been demonstrated in previous research
studies and is attributed to the complexity and diversity of the mechanisms governing the
determination of atmospheric particle levels, and to the necessity of using large datasets with a
high level of internal noise for the development of the models. However, the existence of such
predictions is essential for a large area as the metropolitan complex of Athens, for which PM10 is
a priority pollutant, with concentrations exceeding legislated standards in the majority of
measuring locations, and presenting significant diurnal variability with important implications for
public health.
MLP neural networks were constructed using a methodology already successfully implemented
for the prediction of daily average PM10 concentrations14 and a range of predictor variables
including a set of meteorological parameters, which are routinely monitored and forecasted by
authorities. Additional MLP models were trained on a reduced number of input variables, preselected
using a genetic algorithm based process. This was done in order to validate the
assumption that the reduced size of the training dataset would result at an improvement of the
generalization ability. Multiple linear regression was used as a method for the comparison of the
performance of the ANN models.
The results produced by the ANN models were rather satisfactory, for the two selected
measurement locations. The used performance indices point out a measurable improvement when
applying the MLPf and GA-MLP models instead of the regression based MLR model. This result
is expected due to the existence of strong non-linear associations between PM10 and the used
predictor variables. However, in real-time forecasting conditions, some compromise in
performance can be expected, due to the possibility of less accurate meteorological forecasts. The
existence of quality meteorological forecasts is a matter of great importance, since it proved that
the incorporation of such predictors leads to a significant improvement in the predictive power of
the models. In view of this, the research effort in the immediate future should be supplemented
by a sensitivity analysis and by the development of models based on forecasted values of the
meteorological parameters.
Regarding the genetic algorithm input selection procedure it did not lead in a dramatic
improvement in the generalization ability of the MLP models. However, despite the considerable
reduction in the number of used input variables the results were comparable or slightly superior
to those of the models using the entire set of input variables. The reduction of the required
meteorological parameters might prove significant in operational conditions with the removal of
factors introducing uncertainty in the model. Moreover, the method is expected to produce better
results in the case of datasets with fewer training cases or in the intended future utilization of
radial basis function networks for the modeling of particle concentrations.

ผลลัพธ์ (ไทย) 1:

ความพยายามสร้างโมเดลได้ดำเนินการตรวจสอบศักยภาพของโครงข่ายประสาทเทียมวิธีการ เป็นเครื่องมือสำหรับความสำเร็จของงานยากในการคาดเดาของ PM10 ต่อชั่วโมงความเข้มข้น 24-h ในล่วงหน้า ปัญหานี้ได้แสดงให้เห็นว่างานวิจัยก่อนหน้านี้ศึกษา และบันทึกความซับซ้อนและความหลากหลายของกลไกการควบคุมการกำหนดระดับอนุภาคบรรยากาศ และความจำเป็นในการใช้ datasets ขนาดใหญ่ด้วยการเสียงภายในสำหรับการพัฒนาแบบจำลองระดับสูง อย่างไรก็ตาม การดำรงอยู่ของดังกล่าวคาดคะเนเป็นสิ่งจำเป็นสำหรับพื้นที่ขนาดใหญ่ซับซ้อนนครเอเธนส์ เป็น PM10มลพิษความสำคัญ มีความเข้มข้นเกินมาตรฐานส่วนใหญ่ legislatedวัดตำแหน่งที่ตั้ง และการนำเสนอความแปรผัน diurnal สำคัญกับนัยสำคัญสำหรับสาธารณสุขเครือข่ายประสาท MLP ถูกสร้างโดยใช้วิธีการดำเนินการเสร็จเรียบร้อยแล้วสำหรับคำทำนายประจำวัน concentrations14 PM10 เฉลี่ยและช่วงของตัวแปร predictorรวมถึงชุดของพารามิเตอร์อุตุนิยมวิทยา การตรวจสอบเป็นประจำ และคาดการณ์โดยหน่วยงาน มีฝึกเพิ่มเติม MLP รุ่นลดจำนวนตัวแปรอินพุต เลือกใช้ขั้นตอนวิธีพันธุกรรมตามกระบวนการ นี้ทำเพื่อตรวจสอบการอัสสัมชัญที่ว่า ลดขนาดของชุดข้อมูลการฝึกอบรมจะส่งผลในการปรับปรุงการความสามารถในการ generalization ใช้เป็นวิธีการเปรียบเทียบเชิงเส้นแบบพหุคูณการประสิทธิภาพของรูปแบบแอนผลิต โดยรุ่นแอนก็ค่อนข้างพอใจ สำหรับ 2 ที่เลือกตำแหน่งที่ตั้งของวัด ดัชนีประสิทธิภาพใช้ชี้ปรับปรุงวัดเมื่อใช้รุ่น MLPf และ GA MLP แทนการถดถอยโดยใช้รูปแบบ MLR ผลลัพธ์นี้คาดว่าเนื่องจากการดำรงอยู่ของสมาคมไม่ใช่เชิงเส้นแข็งแรงระหว่าง PM10 และการใช้ตัวแปร predictor อย่างไรก็ตาม ในสภาพที่มีการคาดการณ์แบบเรียลไทม์ บางประนีประนอมในประสิทธิภาพสามารถคาดหวัง เนื่องจากความเป็นไปได้ของการคาดการณ์อุตุนิยมวิทยาเทียบ ที่คุณภาพอุตุนิยมวิทยาคาดการณ์ที่มีอยู่เป็นเรื่องของความสำคัญ เนื่องจากมันได้ที่ประสาน predictors ดังกล่าวนำไปสู่การปรับปรุงที่สำคัญในการมอบอำนาจของรูปแบบการ มุมมองนี้ ควรเสริมความพยายามของการวิจัยในอนาคตอันใกล้โดยการวิเคราะห์ความไว และการพัฒนาตามค่าคาดการณ์ของแบบจำลองพารามิเตอร์อุตุนิยมวิทยาเกี่ยวกับขั้นตอนการเลือกอินพุทขั้นตอนวิธีพันธุกรรม นั้นไม่นำในตัวละครปรับปรุงในความ generalization รุ่น MLP อย่างไรก็ตาม แม้จะมากลดจำนวนตัวแปรอินพุตใช้ผลลัพธ์ได้เทียบเท่า หรือเหนือกว่าเล็กน้อยกับแบบจำลองที่ใช้ทั้งหมดตั้งค่าของตัวแปรอินพุต การลดของที่จำเป็นอุตุนิยมวิทยาพารามิเตอร์อาจพิสูจน์สำคัญในเงื่อนไขการดำเนินงานด้วยการเอาปัจจัยความไม่แน่นอนในรูปแบบแนะนำ นอกจากนี้ วิธีการคาดว่าจะผลิตดีกว่าผลลัพธ์การกำหนด datasets กับกรณีฝึกอบรมให้น้อยลง หรือใช้ประโยชน์ในอนาคตเป้าหมายของเครือข่ายฟังก์ชันฐานรัศมีสำหรับโมเดลของความเข้มข้นของอนุภาค

ผลลัพธ์ (ไทย) 2:

ได้ดำเนินการสร้างแบบจำลองความพยายามในการที่จะตรวจสอบศักยภาพของเทียมเครือข่ายประสาทวิธีการเป็นเครื่องมือสำหรับความสำเร็จของงานที่ยากของการคาดการณ์รายชั่วโมง PM10 ที่เข้มข้นตลอด24 ชั่วโมงล่วงหน้า ปัญหานี้ได้รับการพิสูจน์ในการวิจัยก่อนหน้านี้การศึกษาและประกอบกับความซับซ้อนและความหลากหลายของกลไกการปกครองการกำหนดระดับอนุภาคในชั้นบรรยากาศและความจำเป็นของการใช้ชุดข้อมูลขนาดใหญ่ที่มีในระดับสูงของเสียงภายในสำหรับการพัฒนาของรุ่น แต่การดำรงอยู่ของดังกล่าวคาดการณ์เป็นสิ่งจำเป็นสำหรับพื้นที่ขนาดใหญ่เป็นที่ซับซ้อนนครเอเธนส์ซึ่ง PM10 เป็นมลพิษลำดับความสำคัญที่มีความเข้มข้นเกินมาตรฐานทางกฎหมายในส่วนใหญ่ของวัดสถานที่และนำเสนอความแปรปรวนในแต่ละวันอย่างมีนัยสำคัญที่มีผลกระทบที่สำคัญสำหรับประชาชนสุขภาพ. เครือข่ายประสาท MLP ถูกสร้างขึ้นโดยใช้วิธีการที่ประสบความสำเร็จอยู่แล้วนำมาใช้ในการทำนายของconcentrations14 PM10 เฉลี่ยต่อวันและช่วงของตัวแปรรวมทั้งชุดของพารามิเตอร์อุตุนิยมวิทยาซึ่งมีการตรวจสอบเป็นประจำและที่คาดการณ์ไว้โดยเจ้าหน้าที่ รุ่น MLP เพิ่มเติมได้รับการฝึกฝนในจำนวนที่ลดลงของตัวแปรป้อนข้อมูลไว้ล่วงหน้าโดยใช้ขั้นตอนวิธีพันธุกรรมตามกระบวนการ นี่คือการทำเพื่อที่จะตรวจสอบสมมติฐานที่ว่าลดขนาดของชุดการฝึกอบรมที่จะส่งผลให้การพัฒนาที่มีความสามารถทั่วไป หลายถดถอยเชิงเส้นที่ใช้เป็นวิธีการเปรียบเทียบของประสิทธิภาพการทำงานของรุ่น ANN. ผลที่ผลิตโดยรุ่น ANN เป็นที่น่าพอใจ แต่สำหรับสองเลือกสถานที่วัด ดัชนีประสิทธิภาพการทำงานที่ใช้ชี้ให้เห็นการปรับปรุงที่วัดได้เมื่อใช้ MLPf และรุ่น GA-MLP แทนการถดถอยตามรูปแบบร้อยละ MLR ผลที่ได้นี้คาดว่าเนื่องจากการดำรงอยู่ของสมาคมที่ไม่ใช่เชิงเส้นที่แข็งแกร่งระหว่าง PM10 และใช้ตัวแปร อย่างไรก็ตามในเวลาจริงการคาดการณ์สภาพการประนีประนอมในบางประสิทธิภาพสามารถคาดหวังเนื่องจากเป็นไปได้ของการคาดการณ์ที่ถูกต้องอุตุนิยมวิทยาน้อย การดำรงอยู่ของการคาดการณ์ทางอุตุนิยมวิทยาที่มีคุณภาพเป็นเรื่องสำคัญมากเพราะมันพิสูจน์ให้เห็นว่าการรวมตัวกันของการพยากรณ์ดังกล่าวนำไปสู่การปรับปรุงที่สำคัญในอำนาจการทำนายของรุ่น ในมุมมองนี้ความพยายามวิจัยในอนาคตอันควรได้รับการเสริมด้วยการวิเคราะห์ความไวและการพัฒนารูปแบบขึ้นอยู่กับค่าที่คาดการณ์ของพารามิเตอร์อุตุนิยมวิทยา. เกี่ยวกับขั้นตอนการเลือกการป้อนข้อมูลขั้นตอนวิธีพันธุกรรมก็ไม่ได้นำไปสู่ในการแสดงละครการปรับปรุงในความสามารถทั่วไปของรุ่น MLP อย่างไรก็ตามแม้จะมีมากในการลดจำนวนของตัวแปรที่ใช้ผลลัพธ์ที่ได้เปรียบหรือเหนือกว่าเล็กน้อยกับของแบบจำลองโดยใช้ทั้งชุดของตัวแปร การลดลงของที่จำเป็นต้องใช้พารามิเตอร์อุตุนิยมวิทยาอาจพิสูจน์ที่สำคัญในการดำเนินงานที่มีเงื่อนไขการกำจัดของปัจจัยความไม่แน่นอนในการแนะนำรูปแบบ นอกจากนี้วิธีการที่คาดว่าจะผลิตที่ดีกว่าผลในกรณีของชุดข้อมูลกับกรณีการฝึกอบรมให้น้อยลงหรือใช้ประโยชน์ในอนาคตตั้งใจของเครือข่ายรัศมีฟังก์ชั่นพื้นฐานสำหรับการสร้างแบบจำลองความเข้มข้นของอนุภาค

ผลลัพธ์ (ไทย) 3:

แบบจำลอง ความพยายามนี้มีวัตถุประสงค์เพื่อศึกษาศักยภาพของโครงข่ายประสาทเทียม
วิธี เป็นเครื่องมือเพื่อผลสัมฤทธิ์ของงานยากในการคาดการณ์รายชั่วโมงของ PM10
ความเข้มข้น 24-h ล่วงหน้า ปัญหานี้ได้แสดงในงานวิจัย
ก่อนหน้า และประกอบกับความซับซ้อนและความหลากหลายของกลไกการปกครอง
การกำหนดระดับของอนุภาคในบรรยากาศ และความจำเป็นของการใช้ข้อมูลขนาดใหญ่ที่มี
ระดับสูงของเสียงภายในสำหรับการพัฒนาแบบจำลอง อย่างไรก็ตาม การดำรงอยู่ของการคาดการณ์ดังกล่าว
เป็นสิ่งจำเป็นสำหรับพื้นที่ขนาดใหญ่ เช่น อาคารมหานครเอเธนส์ ที่พบคือ
ลำดับความสำคัญของสารมลพิษที่มีความเข้มข้นเกินมาตรฐานในส่วนใหญ่ของ
legislatedวัดสถานที่ และเสนอความแปรปรวนระหว่างอย่างมีนัยสําคัญสําหรับ
สาธารณสุข .
MLP โครงข่ายประสาทเทียมถูกสร้างโดยใช้วิธีการได้เรียบร้อยแล้วใช้
เพื่อทำนาย concentrations14 PM10 เฉลี่ยรายวัน และช่วงของตัวแปร
รวมถึงชุดของตัวแปรทางอุตุนิยมวิทยา ซึ่งจะตรวจติดตามและพยากรณ์โดย
เจ้าหน้าที่ รุ่น MLP เพิ่มเติมฝึกลดจำนวนตัวแปร input ไว้ล่วงหน้า
โดยใช้กระบวนการตามขั้นตอนวิธีทางพันธุกรรม นี้ถูกทำเพื่อตรวจสอบ
สมมติฐานที่ลดขนาดของการฝึกอบรมข้อมูลจะส่งผลในการปรับปรุง
สรุปความความสามารถ การถดถอยเชิงเส้นพหุที่ใช้เป็นวิธีการเปรียบเทียบ
การแสดงของแอน โมเดล
ผลที่ผลิตโดย Ann รุ่นน่าพอใจมากกว่า คือเลือก
การวัดตำแหน่ง การใช้ดัชนีชี้วัดสมรรถนะมีการปรับปรุงเมื่อ
ใช้รูปแบบและ mlpf ga-mlp แทนของตัวแบบการถดถอยเบื้องต้นตาม นี้ผล
คาดว่าเนื่องจากการมีอยู่ของแรงแบบสมาคมระหว่าง PM10 และใช้
ตัวแปร . อย่างไรก็ตาม ในเวลาจริงในการพยากรณ์สภาพบางประนีประนอมใน
ประสิทธิภาพสามารถคาดหวัง เนื่องจากความเป็นไปได้ของความถูกต้องน้อยกว่าอุตุนิยมวิทยาคาดการณ์ .
การดำรงอยู่ของการคาดการณ์อุตุนิยมวิทยาคุณภาพเป็นเรื่องสำคัญ เพราะมันพิสูจน์แล้วว่า การทำนาย
ดังกล่าวนำไปสู่การปรับปรุงที่สำคัญในความสามารถของ
รุ่นในมุมมองของนี้มีความพยายามในอนาคตทันที ควรเสริม
โดยการวิเคราะห์ความไวและโดยการพัฒนารูปแบบตามพยากรณ์ค่าของตัวแปรทางอุตุนิยมวิทยา
.
เกี่ยวกับขั้นตอนวิธีเชิงพันธุกรรมเข้ากระบวนการคัดเลือกก็ไม่ได้นำในการปรับปรุง
ในการความสามารถของ MLP รุ่น อย่างไรก็ตาม แม้จะมีมาก
ลดจำนวนตัวแปรที่ใช้ผลลัพธ์ที่ได้เปรียบ หรือเล็กน้อยดีกว่า
พวกรุ่นที่ใช้ทั้งชุดของตัวแปร . การลดลงของความต้องการ
อุตุนิยมวิทยาพารามิเตอร์อาจพิสูจน์สำคัญในเงื่อนไขการดำเนินงาน ด้วยการกำจัด
ปัจจัยที่แนะนำความไม่แน่นอนในรูปแบบ นอกจากนี้วิธีการที่คาดว่าจะผลิตดีกว่า
ผลลัพธ์ในกรณีของข้อมูลกับกรณีการฝึกอบรมน้อยลง หรือในวัตถุประสงค์ในอนาคตการใช้
เครือข่ายฟังก์ชันเรเดียลเบซิสในแบบจำลองของความเข้มข้นของอนุภาค