Un sistema de predicción de PM2.5 de ondaleta utilizando aprendizaje extremo de kernel optimizado con selección de características Boruta-XGBoost
Autores: Heidari, Ali Asghar; Akhoondzadeh, Mehdi; Chen, Huiling
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un sistema de predicción de PM2.5 de ondaleta utilizando aprendizaje extremo de kernel optimizado con selección de características Boruta-XGBoost
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Material particulado
Concentración de PM2.5
Modelo de predicción
Descomposición wavelet
Selección de características
Optimizador SSA
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La concentración de materia particulada fina (PM2.5) ha sido una fuente vital de información y un indicador esencial para medir y estudiar la concentración de otros contaminantes atmosféricos. Es crucial realizar predicciones más precisas de PM2.5 y establecer un modelo de predicción de PM2.5 de alta precisión debido a sus impactos sociales y aplicaciones interdisciplinarias en ingeniería geoespacial.
Descripción
La concentración de materia particulada fina (PM2.5) ha sido una fuente vital de información y un indicador esencial para medir y estudiar la concentración de otros contaminantes atmosféricos. Es crucial realizar predicciones más precisas de PM2.5 y establecer un modelo de predicción de PM2.5 de alta precisión debido a sus impactos sociales y aplicaciones interdisciplinarias en ingeniería geoespacial.