Dự báo nồng độ chất ô nhiễm không khí bằng các phương pháp máy học=Forecasting air pollution concentration using machine learning methods

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Công Danh Bùi, Văn Bé Lê

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Công thương, 2024

Mô tả vật lý: tr.366-371

Bộ sưu tập: Metadata

ID: 94932

Thêm vào giỏ

Ngày nay, các nghiên cứu dự báo chất lượng không khí bằng các phương pháp máy học là một lĩnh vực nghiên cứu đang phát triển mạnh mẽ, giúp cải thiện sự hiểu biết và quản lý về môi trường không khí trong các khu vực đô thị và công nghiệp. Các phương pháp máy học cung cấp khả năng tự động hóa quá trình phân tích và dự báo dữ liệu, dẫn đến những dự báo chính xác và tin cậy hon. Việc ứng dụng các phương pháp máy học để dự báo nồng độ ô nhiễm không khí là một vấn đề chưa có nhiều ứng dụng tại Việt Nam. Tuy nhiên, các phương pháp này khi thực nghiệm đã cho ra kết quả dự báo với độ chính xác cao dựa trên thành phần chỉ số quan trọng để dự báo nồng độ ô nhiễm không khí như: {co(gt)
pt08.sl(co)
nmhc(gt)
c6h6(gt)
pt08. s2(nmhc)
nox(gt)
pt08.s3(nox)
no2(gt)
pt08.s4(no2)
pt08.s5(o3)
t
rh
ah}. Từ những vấn đề nêu trên, nghiên cứu dùng các kỹ thuật máy học như: Support Vector Machine, Random Forest, KNN để dự báo nồng độ ô nhiễm không khí dựa trên thành phần chỉ số quan trọng trong dự báo chất lượng không khí.Nowadays, forecasting air quality using machine learning methods is a rapidly developing field, helping to improve the understanding and management of the air environment in urban and industrial areas. Machine learning methods provide the ability to automate the process of data analysis and forecasting, resulting in more accurate and reliable predictions. Machine learning methods to forecast air pollution concentrations have not yet been widely applied in Vietnam. However, experimental methods have yielded highly accurate forecast results based on important index components for forecasting air pollution concentrations, such as: {co(gt)
pt08.sl(co)
nmhc(gt)
c6h6(gt)
pt08.s2(nmhc)
nox(gt)
pt08.s3(nox)
no2(gt)
pt08.s4(no2)
pt08.s5(o3)
t
rh
ah}. In this study, machine learning techniques such as support vector machines, random forests, and KNN were used to forecast air pollution concentrations based on important index components.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR