- Tytuł:
-
Prognozowanie zawartości PM2,5 w powietrzu atmosferycznym przy użyciu sieci ELM
PM2,5 particulate pollution forecasting using ELM - Autorzy:
-
Siwek, K.
Baranowski, M.
Grzywacz, T. - Powiązania:
- https://bibliotekanauki.pl/articles/377680.pdf
- Data publikacji:
- 2018
- Wydawca:
- Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
- Tematy:
-
zanieczyszczenie powietrza atmosferycznego
PM2,5
sieci neuronowe
Extreme Learning Machine
ELM - Opis:
-
Artykuł przedstawia nowe podejście do predykcji zawartości pyłów zawieszonych
w powietrzu atmosferycznym wykorzystujące sieć neuronową typu ELM (Extreme Learning
Machine). Predykcja ta dotyczy obliczenia średniego poziomu zanieczyszczenia
powietrza pyłem PM2,5 na warszawskim Ursynowie z jednodniowym wyprzedzeniem.
Do zrozumienia wagi problemu zawarto zwięzły opis zagrożeń, jakie niesie za sobą
zanieczyszczenie powietrza drobnym pyłem zawieszonym PM2,5.
W pracy przedstawiono krótki opis sieci ELM oraz zaprezentowano uzyskane wyniki
prognozy. Przeprowadzono analizę uzyskanych wyników. Omówiono zasadność prognozowania
oraz wskazano możliwe środki zapobiegawcze i ochronne.
The article presents a new approach to atmospheric dust prediction using an ELM (Extreme Learning Machine) neural network. This prediction concerns the calculation of the average level of PM2,5 air pollution in Warsaw's Ursynów one day ahead. To understand the significance of the problem, a brief description of the hazards posed by PM2,5 air pollution is included. The work presents a short description of the ELM network and presents the obtained forecast results. The analysis of the obtained results was carried out. The validity of forecasting was discussed and possible preventive and protective measures were indicated. - Źródło:
-
Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 96; 307-318
1897-0737 - Pojawia się w:
- Poznan University of Technology Academic Journals. Electrical Engineering
- Dostawca treści:
- Biblioteka Nauki