Resumen

Los modelos de predicción precisos de los contaminantes atmosféricos son cruciales para la previsión y la alarma sanitaria de los habitantes locales. En la literatura reciente, se empleó la transformada wavelet discreta (DWT) para descomponer una serie de niveles de contaminantes atmosféricos, seguida de un modelado mediante una máquina de vectores soporte (SVM). Se informó de que esta combinación de DWT y SVM producía un modelo de predicción más preciso para los contaminantes atmosféricos mediante la investigación de diferentes niveles de bandas de frecuencia. Sin embargo, DWT tiene una demanda significativa en la complejidad del modelo, a saber, el tiempo de entrenamiento y el tamaño del modelo de predicción. En este trabajo, se propone un nuevo método denominado filtrado orientado a la variación (VF) para eliminar los datos con baja variación, que pueden considerarse ruido para un modelo de predicción. Mediante el VF, el ruido y el tamaño de las series de niveles de contaminantes atmosféricos pueden reducirse simultáneamente y, por tanto, también el tiempo de entrenamiento y el tamaño del modelo. Se seleccionó como caso de prueba el nivel de SO2 (dióxido de azufre) en Macao. Los resultados experimentales muestran que la FV puede reducir de forma eficaz y eficiente la complejidad del modelo con una mejora de la precisión predictiva.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:niveles de contaminantes atmosféricos, dwt, contaminantes atmosféricos, complejidad del modelo, tamaño del modelo, modelo de predicción, tiempo de entrenamiento, modelos de predicción precisos, modelo de predicción preciso, transformada wavelet discreta
• Keywords:air pollutant levels, dwt, air pollutants, model complexity, model size, prediction model, training time, accurate prediction models, accurate prediction model, discrete wavelet transform