利用数据挖掘技术估算尼日利亚拉各斯的行业污染负荷
神经与进化计算
2013-02-27 v1
摘要
工业污染通常被认为是导致空气、水和土壤污染的主要因素之一。本研究利用工业污染预测系统 (IPPS) 估算了拉各斯不同介质（即空气、水和土地）中的行业污染负荷（吨/年）。随后，采用人工神经网络 (ANNs) 对这些数据进行了进一步研究，这是一种能够检测并描述具有非线性关系变量的大型数据集中模式的数据挖掘技术。在所有考虑的神经网络模型中，包括多层感知机 (MLP) 网络、广义前馈神经网络 (GFNN)、径向基函数 (RBF) 网络和循环神经网络 (RN)，时滞循环网络 (TLRN) 表现最佳。就平均绝对误差 (MAE) (0.14)、时间 (39 秒) 和线性相关系数 (0.84) 而言，TLRN 对其他数据集的建模效果优于其他模型。结果表明，人工神经网络 (ANNs) 技术（即时滞循环网络）也适用于环境评估研究且行之有效。
引用
@article{arxiv.1302.6310,
title = {Estimating Sectoral Pollution Load in Lagos, Nigeria Using Data Mining Techniques},
author = {Adesesan . B Adeyemo and Adebola A. Oketola and Emmanuel O. Adetula and O. Osibanjo},
journal= {arXiv preprint arXiv:1302.6310},
year = {2013}
}
备注
11 pages, 11 figures