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) 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