首页> 外文OA文献 >Prophet forecasting model: a machine learning approach to predict the concentration of air pollutants (PM2.5, PM10, O3, NO2, SO2, CO) in Seoul, South Korea

【2h】

Prophet forecasting model: a machine learning approach to predict the concentration of air pollutants (PM2.5, PM10, O3, NO2, SO2, CO) in Seoul, South Korea

机译：先知预测模型：韩国首尔预测空气污染物浓度（PM2.5，PM10，O3，NO2，SO2，CO）的机器学习方法

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Justin Shen; Davesh Valagolam; Serena McCalla;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Preparation of electrochemical sensor assisted unmanned aerial vehicles system for SO2, O3, NO2, CO and PM2.5/PM10 detection in air [J] . Rongqiang Guan, Jing Yu, Mingyue Li, International Journal of Electrochemical Science . 2021,第10期

机译：电化学传感器的制备辅助无人机系统用于SO2，O3，NO2，CO和PM2.5 / PM10在空气中检测
2. Long Term Trends in Concentration of Major Pollutants(SO2,CO,NO,NO2,O3 and PM10)in Prague-Czech Republic(Analysis of Data Between 1992 and 2005) [J] . Martin Branis Water, Air and Soil Pollution: Focus. . 2008,第1期

机译：布拉格捷克共和国主要污染物（SO2，CO，NO，NO2，O3和PM10）的长期浓度趋势（1992年至2005年的数据分析）
3. Spatiotemporal variations of air pollutants (O3, NO2, SO2, CO, PM10, and VOCs) with land-use types [J] . Yoo J.-M., Jeong M.-J., Kim D., Atmospheric Chemistry and Physics Discussions . 2015,第18期

机译：带有土地使用类型的空气污染物（O3，NO2，SO2，CO，PM10和VOC）的时空变化
4. Evaluation of Fine Particulate Matter (PM2.5) Concentrations Measured by a Portable Nephelometer in Comparison with the Federal Reference Method Using a Filter Measuring System in the National Urban Air-Quality Monitoring Site of Seoul, South Korea [C] . D. Yun, S. Kim Annual conference of the International Society of Exposure Science . 2014

机译：在韩国首尔的国家城市空气质量监测点中，通过便携式浊度计与联邦参比方法使用过滤测量系统进行比较，评估了细颗粒物（PM2.5）的浓度
5. Forecasting Wind Turbine Failures and Associated Costs: Investigating Failure Causes, Effects and Criticalities, Modeling Reliability and Predicting Time-to-Failure, Time-to-Repair and Cost of Failures for Wind Turbines Using Reliability Methods and Machine Learning Techniques [D] . Ozturk, Samet 2019

机译：预测风力涡轮机故障和相关成本：调查故障原因，影响和严重性，建模可靠性并使用可靠性方法和机器学习技术预测风力涡轮机的故障时间，维修时间和故障成本
6. Assessment of the Possible Association of Air Pollutants PM10 O3 NO2 With an Increase in Cardiovascular Respiratory and Diabetes Mortality in Panama City [O] . Julio Zúñiga, Musharaf Tarajia, Víctor Herrera, -1

机译：巴拿马城空气污染物PM10O3NO2与心血管呼吸系统疾病和糖尿病死亡率增加的可能关联性评估
7. Supplemental Information 1: Meteorological factors (A), concentration of PM2.5,PM10,SO2,O3,CO,NO2 (B), and concentraion of carbonyl compounds during May 8 to 20, 2018 in Fuzhou [O] . -1

机译：补充信息1：气象因子（a），PM2.5，PM10，SO2，O3，CO，NO2（B），以及羰基化合物的浓度在2018年至2018年5月8日至20日在福州

Prophet forecasting model: a machine learning approach to predict the concentration of air pollutants (PM2.5, PM10, O3, NO2, SO2, CO) in Seoul, South Korea

著录项

引文网络

相似文献

相关主题

期刊订阅