用于空气污染预测的离散化回归与最小二乘支持向量机学习新技术
机器学习
2023-06-14 v1 人工智能
摘要
空气污染是指颗粒物、化学物质或生物物质的产生，给人类或其他生物带来痛苦，或引发对自然栖息地和空域的不适。因此，就大都市而言，空气污染仍是首要环境问题之一。若干空气污染基准指标甚至被认为对人类健康有负面影响。此外，对空气污染基准指标的不当检测会导致人类和生物体的严重并发症。针对此方面，本文提出一种称为离散化回归与最小二乘支持向量（DR-LSSV）的基于空气污染预测新技术。结果表明，所提出的 DR-LSSV 技术能有效提升空气污染预测性能，并在空气污染预测准确率、预测时间和误报率方面优于传统机器学习方法。
引用
@article{arxiv.2306.07301,
title = {Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting},
author = {Dhanalakshmi M and Radha V},
journal= {arXiv preprint arXiv:2306.07301},
year = {2023}
}
备注
11 pages, 7 figures, 3 tables, Article Published in April 2023, Volume 71, Issue 04, of SSRG-International Journal of Engineering Trends and Technology (IJETT)", ISSN: 2231-5381