forecasting techniques could be str

forecasting techniques could be strongly affected by our
fundamental knowledge of the complex dynamic characteristics of
API, therefore various forecasting techniques are not often
excellent in all aspects (Schlink et al., 2006)
In the study of complex phenomena such as seismic crisis (de
Lima and Grasman, 1999; Telesca et al., 2002; Telesca et al., 2004;
Kiyashchenko et al., 2004) and so forth, monofractal and
multifractal analysis techniques, developed to draw qualitative and
quantitative information from time series, have been applied
recently to the study of a large of variety of irregular, non–
stationary signals, which can be found in Telesca et al. (2002, 2004)
and Shi et al. (2009). And they, by now, have proved to be very
useful to detect deep dynamical features.
In China, Shanghai is the first to report APIs dating back to
June 1997. API can provide overviews of air quality across the
major part of Shanghai, but the mechanisms that drive its temporal
evolutions are not very clear, resulting in various techniques for air
pollution forecasting that are often excellent in some aspects but
poor in others (Schlink et al., 2006). In this paper, the authors
examine the daily APIs, the pollution indices of SO2, NO2 and PM10
data of Shanghai in China using the three techniques which look for
persistence and scaling in data. These methods include PSA and
multifractal analysis, which are widely used for detecting long–
term memory and scale–invariance. Meantime, the sensitivity and
reliance of these three methods will be discussed in detail. Shi et
al. (2008, 2009, 2013) showed that the frequency–intensity
distribution of pollution indexes were found to satisfy power–law
relation that is similar to the Gutenberg–Richter law in the
earthquakes study, suggesting that there was inherent dynamical
connection between small and high events of air pollution.
Therefore, at last, based on the SOC theory, we study the number
density of air pollution events for the pollution indexes of SO2, NO2
and PM10.

ผลลัพธ์ (ไทย) 1:

เทคนิคการคาดการณ์อาจจะขอรับผลกระทบจากของเราความรู้พื้นฐานของลักษณะแบบไดนามิกที่ซับซ้อนของAPI ดังนั้นเทคนิคการคาดการณ์ต่าง ๆ มักไม่ยอดเยี่ยมในทุกด้าน (Schlink และ al., 2006)ในการศึกษาปรากฏการณ์ที่ซับซ้อนเช่นวิกฤติสั่นสะเทือน (deลิม่าและ Grasman, 1999 Telesca และ al., 2002 Telesca et al., 2004Kiyashchenko et al., 2004) และอื่น ๆ forth, monofractal และพัฒนาเทคนิคการวิเคราะห์ multifractal วาดเชิงคุณภาพ และการใช้ข้อมูลเชิงปริมาณจากเวลาชุดเมื่อเร็ว ๆ นี้ในการศึกษาขนาดใหญ่ของไม่สม่ำเสมอ ไม่มี-สัญญาณเครื่องเขียน ซึ่งสามารถพบได้ใน Telesca et al. (2002, 2004)และชิ et al. (2009) และพวกเขา ตอน ได้พิสูจน์มากมีประโยชน์การตรวจพบคุณลักษณะ dynamical ลึกในประเทศจีน เซี่ยงไฮ้เป็นครั้งแรกเพื่อรายงาน APIs ลช่วย1997 มิถุนายน API สามารถให้ภาพรวมของคุณภาพอากาศในการส่วนใหญ่ของเซี่ยงไฮ้ แต่กลไกที่ไดรฟ์ของขมับวิวัฒนาการทั้งไม่ชัด ในเทคนิคต่าง ๆ ในอากาศมลพิษการคาดการณ์ที่มักดีในบางส่วน แต่ไม่ดีในผู้อื่น (Schlink และ al., 2006) ในเอกสารนี้ ผู้เขียนตรวจสอบรายวัน APIs ดัชนีมลพิษของ SO2, NO2 และ PM10ข้อมูลของเซี่ยงไฮ้ในประเทศจีนโดยใช้เทคนิคสามที่มองหาคงอยู่และปรับข้อมูล วิธีการเหล่านี้ได้แก่ PSA และการวิเคราะห์ multifractal ซึ่งใช้สำหรับการตรวจสอบยาว –ความทรงจำระยะและมาตราส่วน – invariance ขณะเดียวกัน ความไว และพึ่งพาวิธีการทั้งสามจะกล่าวถึงในรายละเอียด ชิร้อยเอ็ดal. (2008, 2009, 2013) พบว่าความถี่ – ความเข้มพบการกระจายดัชนีมลพิษเพื่อตอบสนองอำนาจ – กฎหมายความสัมพันธ์ที่คล้ายกับกฎหมายกูเทนแบร์ก – ถือใน การศึกษาการเกิดแผ่นดินไหว แนะนำที่ มีแต่กำเนิด dynamicalเชื่อมต่อระหว่างเหตุการณ์มลพิษขนาดเล็ก และสูงดังนั้น ที่สุด ตามทฤษฎี SOC เราศึกษาหมายเลขความหนาแน่นของมลพิษทางอากาศสำหรับดัชนีมลพิษของ SO2, NO2และ PM10

ผลลัพธ์ (ไทย) 2:

เทคนิคการพยากรณ์อาจได้รับผลกระทบอย่างมากโดยเรามีความรู้พื้นฐานในลักษณะแบบไดนามิกที่ซับซ้อนของ
API
ดังนั้นเทคนิคการพยากรณ์ต่างๆที่ได้มักจะดีเยี่ยมในทุกด้าน(Schlink et al., 2006)
ในการศึกษาของปรากฏการณ์ที่ซับซ้อนเช่นวิกฤตแผ่นดินไหว
(เดอลิมาและ Grasman 1999; TELESCA, et al., 2002; TELESCA et al, 2004;.
Kiyashchenko, et al, 2004) และอื่น ๆ monofractal และ.
เทคนิคการวิเคราะห์ multifractal
พัฒนาการวาดเชิงคุณภาพและข้อมูลเชิงปริมาณจากซีรีส์ครั้งที่มีการใช้
เมื่อเร็ว ๆนี้เพื่อการศึกษาที่มีขนาดใหญ่ของความหลากหลายของความผิดปกติที่ไม่ใช่สัญญาณนิ่งซึ่งสามารถพบได้ใน TELESCA et al,
(2002, 2004)
และชิเอตอัล (2009)
และพวกเขาโดยขณะนี้ได้พิสูจน์แล้วว่าเป็นอย่างที่มีประโยชน์ในการตรวจสอบคุณสมบัติพลังลึก.
ในประเทศจีนเซี่ยงไฮ้เป็นครั้งแรกที่จะรายงาน APIs
ย้อนหลังไปถึงมิถุนายน1997 API
สามารถให้ภาพรวมของคุณภาพอากาศในส่วนสำคัญของเซี่ยงไฮ้แต่ กลไกที่ไดรฟ์ชั่วคราวของวิวัฒนาการไม่ได้ชัดเจนมากส่งผลให้เทคนิคต่างๆสำหรับอากาศการพยากรณ์มลพิษที่มักจะยอดเยี่ยมในบางแง่มุมแต่ที่น่าสงสารคนอื่น ๆ (Schlink et al., 2006) ในบทความนี้ผู้เขียนตรวจสอบ API สำหรับชีวิตประจำวัน, ดัชนีมลพิษของ SO2, NO2 และ PM10 ข้อมูลของเซี่ยงไฮ้ในประเทศจีนโดยใช้สามเทคนิคที่มองหาการติดตาและปรับในข้อมูล วิธีการเหล่านี้รวมถึง PSA และวิเคราะห์multifractal ซึ่งมีการใช้กันอย่างแพร่หลายสำหรับการตรวจสอบระยะยาวหน่วยความจำระยะยาวและขนาดไม่แปรเปลี่ยน ในขณะที่ความไวและความเชื่อมั่นของทั้งสามวิธีจะมีการหารือในรายละเอียด ชิเอตอัล (2008, 2009, 2013) แสดงให้เห็นว่าความถี่ความเข้มการกระจายตัวของดัชนีมลพิษพบว่าตอบสนองอำนาจกฎหมายที่เกี่ยวข้องว่ามีความคล้ายคลึงกับกฎหมายGutenberg ริกเตอร์ในการศึกษาการเกิดแผ่นดินไหวบอกว่ามีโดยธรรมชาติพลังการเชื่อมต่อระหว่างขนาดเล็กและสูงเหตุการณ์ที่เกิดมลพิษทางอากาศ. ดังนั้นที่ผ่านมาบนพื้นฐานของทฤษฎี SOC ที่เราศึกษาจำนวนความหนาแน่นของเหตุการณ์ที่เกิดมลพิษทางอากาศสำหรับดัชนีมลพิษของSO2, NO2 และ PM10

ผลลัพธ์ (ไทย) 3:

เทคนิคการพยากรณ์อาจจะมีผลต่อความรู้พื้นฐานแบบไดนามิกของเรา

ลักษณะที่ซับซ้อนของ API จึงต่าง ๆเทคนิคการพยากรณ์ไม่ได้มักจะ
ยอดเยี่ยมในทุกด้าน ( ชลิงก์ et al . , 2006 )
ในการศึกษาปรากฏการณ์ที่ซับซ้อน เช่น วิกฤติแผ่นดินไหว ( เดอลิมา และ grasman
, 1999 ; telesca et al . , 2002 ; telesca et al . , 2004 ;
kiyashchenko et al . , 2004 ) และอื่น ๆและ monofractal
เทคนิคการวิเคราะห์ multifractal พัฒนาเชิงคุณภาพและข้อมูลเชิงปริมาณเพื่อวาด
จากอนุกรมเวลา มีการใช้
เมื่อเร็ว ๆ นี้เพื่อการศึกษาขนาดใหญ่ของความหลากหลายของผิดปกติ , ไม่–
เครื่องเขียนสัญญาณซึ่งสามารถพบได้ใน telesca et al . ( 2002 , 2004 )
และ Shi et al . ( 2009 ) และพวกเขา โดยตอนนี้ได้พิสูจน์เป็นประโยชน์เพื่อตรวจสอบคุณสมบัติมาก

ที่ลึก ในประเทศจีนเซี่ยงไฮ้เป็นคนแรกที่รายงานโดยย้อนกลับไป
มิถุนายน 1997 API สามารถให้ภาพรวมของคุณภาพอากาศข้าม
ส่วนหลักของเซี่ยงไฮ้ แต่กลไกที่ขับของกระดูกขมับ
วิวัฒนาการไม่เป็นที่แน่ชัด ส่งผลให้เทคนิคต่างๆสำหรับการพยากรณ์อากาศ
มลพิษที่มักจะดีในบางด้านแต่
ไม่ดีในคนอื่น ๆ ( ชลิงก์ et al . , 2006 ) ในบทความนี้ผู้เขียน
ตรวจสอบทุกวัน APIs , มลพิษดัชนีของ SO2 NO2 , PM10
ข้อมูลและเซี่ยงไฮ้ในประเทศจีน โดยใช้สามเทคนิคที่มองหา
ความคงอยู่และปรับในข้อมูล วิธีการเหล่านี้รวมถึง PSA และ
การวิเคราะห์ multifractal ซึ่งใช้กันอย่างแพร่หลายเพื่อตรวจหาระยะยาว–
หน่วยความจำและขนาดและความไม่แปรเปลี่ยน . ขณะเดียวกัน ความไวและ
พึ่งวิธีการเหล่านี้ 3 จะกล่าวถึงในรายละเอียด
ชิและอัล ( 2551 , 2552 , 2013 ) พบว่า ความถี่ และความเข้มของดัชนีมลพิษ
การพบเพื่อตอบสนองพลังงาน–กฎหมาย
ความสัมพันธ์ที่คล้ายคลึงกับกฎหมายเบิร์ก–ริกเตอร์ใน
แผ่นดินไหวการศึกษาชี้ให้เห็นว่ามีการเชื่อมต่อระหว่างขนาดเล็กและโดยธรรมชาติสำหรับ
เหตุการณ์สูงของมลพิษทางอากาศ .
ดังนั้นในที่สุด ตามทฤษฎีส เราเรียนเลข
ความหนาแน่นของอากาศมลพิษเหตุการณ์มลพิษ SO2 NO2 และดัชนี , PM10

.