机译:神经网络预测比利时每日PM_(10)的平均浓度
Flemish Institute for Technological Research (VITO), Boeretang 200, B-2400 Mol, Belgium;
particulate matter; prediction; neural networks; boundary layer height; air pollution;
机译:通过应用主成分分析并实施季节模型来改进每日平均PM_(10)浓度的人工神经网络模型预测
机译:在塞萨洛尼基和赫尔辛基,使用主成分分析法比较空气质量数据,并使用人工神经网络预测PM_(10)和PM_(2.5)浓度
机译:利用具有波动性的季节性长记忆模型对每日平均PM_(10)浓度进行建模和预测
机译:PM
机译:将回归模型和ARIMA模型与神经网络模型进行比较,以预测White Clay Creek的日流量。
机译:利用广义可加模型人工神经网络和季节性自回归综合移动平均模型对圣保罗市的登革热进行预测
机译:建模和预测每日平均pm $ _ {10} $浓度 具有波动性的季节性aRFIma模型
机译:在萨凡纳河工厂10公里范围内测量的每小时和每日平均值为85 Kr