The lag lengths of the variables an

The lag lengths of the variables and whether or not to input
to ANN models were determined by analyzing PCA results.
The correlation coefficient values (r) were used in PCA runs.
The correlation results were appropriate to use the PCA, as r
values were generally ≥0.3. However, RH did not exhibit a
significant correlation with the others; thus, it was placed
neither in the PCA variables nor in ANN models as input. AT
showed a negative correlation with PM10 (r = −0.698) and a
moderately strong correlation with the other explanatory variables,
which indicates the seasonal pollution effect due to
residential heating controlled by meteorological factors.
PCA was applied to actual PM10 data on day t (PM10t)
against the variables lagged by seven times. Since the variable
RH was removed, four PCA runs were performed between
PM10t and the lagged terms of its own and the retaining
variables in the lagged data set. Table 3 shows the extracted
principal components (PCs), with the percentage of explained
variance by this factor in parenthesis, and loading scores on

ผลลัพธ์ (ไทย) 1:

ความยาวรวมของตัวแปรและป้อนข้อมูลหรือไม่การแอน รุ่นถูกกำหนด โดยการวิเคราะห์ผลลัพธ์ PCAค่าสัมประสิทธิ์สหสัมพันธ์ที่ใช้ใน PCA ค่า (r) ทำงานผลความสัมพันธ์ได้เหมาะสมกับใช้ PCA, rค่าได้โดยทั่วไป ≥0.3 อย่างไรก็ตาม RH ไม่มีการความสัมพันธ์ที่สำคัญกับคนอื่น ๆ ดังนั้น มันถูกวางไว้ไม่ ในตัวแปร PCA หรือรุ่นแอนเป็นการป้อนข้อมูล ที่แสดงให้เห็นความสัมพันธ์เชิงลบกับ PM10 (r = −0.698) และความสัมพันธ์ค่อนข้างแข็งแกร่ง ด้วยการอธิบายตัวแปรอื่น ๆซึ่งบ่งชี้ผลกระทบมลพิษตามฤดูกาลเนื่องจากความร้อนที่อยู่อาศัยที่ถูกควบคุม โดยปัจจัยทางอุตุนิยมPCA กับข้อมูลจริงของ PM10 ในวัน t (PM10t)กับตัวแปร lagged โดยเจ็ดครั้ง ตั้งแต่ตัวแปรRH ลบออก ทำงาน PCA 4 ดำเนินการระหว่างPM10t และเงื่อนไข lagged ของตนเอง และการรักษาตัวแปรในชุดข้อมูล lagged ตารางที่ 3 แสดงการแยกอธิบายส่วนประกอบหลัก (พีซี), มีเปอร์เซ็นต์ของผลต่าง โดยปัจจัยนี้ในวงเล็บ และการโหลดคะแนน

ผลลัพธ์ (ไทย) 2:

ความยาวความล่าช้าของตัวแปรและหรือไม่ต้องใส่
กับรุ่น ANN ถูกกำหนดโดยการวิเคราะห์ผลการ PCA.
ค่าสัมประสิทธิ์สหสัมพันธ์ (R) ถูกนำมาใช้ใน PCA วิ่ง.
ผลความสัมพันธ์มีความเหมาะสมที่จะใช้ PCA เป็น R
ค่าได้โดยทั่วไป ≥0.3 อย่างไรก็ตาม RH ไม่ได้แสดงให้เห็น
ความสัมพันธ์กับคนอื่น ๆ ; จึงถูกนำมาวาง
ค่าในตัวแปร PCA หรือในรูปแบบ ANN เป็น input ที่
พบว่ามีความสัมพันธ์ทางลบกับ PM10 (r = -0.698) และ
ความสัมพันธ์ที่แข็งแกร่งในระดับปานกลางกับการอธิบายตัวแปรอื่น ๆ
ซึ่งแสดงให้เห็นผลกระทบมลพิษตามฤดูกาลเนื่องจาก
ร้อนที่อยู่อาศัยการควบคุมโดยปัจจัยทางอุตุนิยมวิทยา.
PCA ถูกนำไปใช้ข้อมูล PM10 ที่เกิดขึ้นจริงในวันที่ T ( PM10t)
กับตัวแปร lagged โดยเจ็ดครั้ง เนื่องจากตัวแปร
RH ถูกลบออกสี่ PCA วิ่งได้ดำเนินการระหว่าง
PM10t และข้อตกลงสัมปทานของตัวเองและยึด
ตัวแปรในชุดข้อมูลที่ล่าช้า ตารางที่ 3 แสดงให้เห็นถึงการสกัด
องค์ประกอบหลัก (พีซี) มีร้อยละของการอธิบาย
ความแปรปรวนโดยปัจจัยนี้ในวงเล็บและคะแนนการโหลดบน

ผลลัพธ์ (ไทย) 3:

ความล่าช้าความยาวของตัวแปรและหรือไม่ที่จะใส่กับแอน โมเดลกำหนดโดยผลวิเคราะห์ระบบ .ค่าสัมประสิทธิ์สหสัมพันธ์ ( r ) ที่ใช้ในระบบทํางานความสัมพันธ์ระหว่างผลที่เหมาะสมของการใช้ PCA เป็น Rค่าโดยทั่วไป≥ 0.3 อย่างไรก็ตาม ความไม่แสดงความสัมพันธ์กับคนอื่น ๆ ดังนั้น มันก็วางทั้งในระบบตัวแปรหรือแอน รูปแบบการป้อนข้อมูล ที่มีความสัมพันธ์เชิงลบ กับ PM10 ( r = − 0.698 ) และแข็งแรงปานกลางความสัมพันธ์กับอื่น ๆที่อธิบายตัวแปรซึ่งบ่งชี้ว่าผลกระทบจากมลพิษในฤดูกาลที่อยู่อาศัยความร้อนควบคุมด้วยปัจจัยทางอุตุนิยมวิทยาถูกใช้จริงพบข้อมูลในวันที่ T ( pm10t )กับตัวแปรย้อนหลังได้ 7 ครั้ง เนื่องจากตัวแปรกิจกรรมออกสี่ PCA วิ่งได้ระหว่างpm10t และล้าหลังด้านของตัวเอง และการรักษาตัวแปรในราคาชุดข้อมูล ตารางที่ 3 แสดงสกัดส่วนประกอบหลัก ( พีซี ) กับค่าร้อยละของอธิบายความแปรปรวน โดยปัจจัยนี้ในวงเล็บ และการโหลดคะแนน