|
Dòng
|
Nội dung
|
|
1
|
Dự báo chất lượng không không khí sử dụng các thuật toán hồi quy
// Cầu đường Việt Nam tr.
Dự báo chất lượng không khí (AQI) là một bài toán quan trọng trong lĩnh vực khoa học môi trường, giúp cung cấp thông tin kịp thời nhằm giảm thiểu tác động tiêu cực của ô nhiễm không khí đến sức khỏe con người. Trong nghiên cứu này, chúng tôi áp dụng các thuật toán học máy hồi quy, bao gồm hồi quy dừng ngẫu nhiên và hồi quy AdaBoost để dự báo chỉ số AQI dựa trên dữ liệu đo lường các chỉ số môi trường theo thời gian. Bộ dữ liệu được thu thập từ các trạm quan trắc không khí, bao gồm các thông số như nồng độ các chất ô nhiẻm (PM2.5, PM10, N02, o ), nhiệt độ, độ ẩm và áp suất. Chúng tôi tiến hành tiền xử lý dữ liệu, lựa chọn đặc trưng quan trọng và huấn luyện mô hình trên tập dữ liệu thời gian thực. Kết quả thực nghiệm cho thấy các mô hình hồi quy này có khả năng tổng quát hóa tốt, đạt được độ chính xác cao trên các mẫu dữ liệu có nhiễu thấp. Các mô hình được đánh giá dựa trên các chỉ số như RMSE, MAE, MSE và R2 cho thấy khả nâng của học máy trong việc dự báo chất lượng không khí một cách hiệu quả, góp phần nâng cao độ chính xác của dự báo AQI, hỗ trợ các nhà hoạch định chính sách, góp phần vào các chiến lược quản lý môi trường hiệu quả hơn.
Đầu mục:0
(Lượt lưu thông:0)
Tài liệu số:1
(Lượt truy cập:0)
|
|
2
|
Nghiên cứu xác định đặc trưng phân bố các chế độ hoạt động đối với xe điện tại Hà Nội theo điều kiện lái thực
// Cầu đường Việt Nam tr.
Hiểu rõ đặc trưng lái ngoài thực tế của phương tiện giao thông là yếu tố then chốt trong các nghiên cứu mô phỏng phát thải và tiêu thụ năng lượng. Chu trình thử chuẩn như WMTC thường không phản ánh đầy đủ hành vi lái xe trong điều kiện giao thông thực tế. Nghiên cứu này tiến hành thu thập và phân tích dữ liệu lái thực tế của xe máy điện tại Hà Nội bằng thiết bị GPS, từ đó tính toán công suất riêng của xe (VSP) và xác định phân bố các chế độ hoạt động theo định nghĩa trong phần mềm MOVES và IVE. Kết quả cho thấy sự khác biệt đáng kể giữa dữ liệu thực tế và chu trình WMTC, đặc biệt về phân bố VSP và tần suất các chế độ hoạt động. Dữ liệu lái ngoài thực tế tập trung chủ yếu ở các nhóm VSP thấp, phản ánh đặc trưng giao thông đô thị với tốc độ thấp và gia tốc nhỏ. Sự sai lệch này có thể dẫn đến đánh giá không chính xác về phát thải nếu sử dụng chu trình chuẩn. Do đó, việc xây dựng chu trình lái đại diện dựa trên đặc trưng lái ngoài thực tế là cần thiết để nâng cao độ chính xác trong mô phỏng phát thải và hỗ trợ hoạch định chính sách môi trường
Đầu mục:0
(Lượt lưu thông:0)
Tài liệu số:1
(Lượt truy cập:0)
|
|
|
|
|