Resumen

Para mejorar la precisión en la predicción de las concentraciones de PM, en este estudio se propone un enfoque novedoso de descomposición-conjunto con estrategia de eliminación de ruido. Este enfoque novedoso es una mejora bajo el marco efectivo de descomposición, denoising y conjunto, especialmente para las características no lineales y no estacionarias de los datos de concentración de PM. En nuestro enfoque propuesto, se aplica un enfoque de denoising de wavelet, como una herramienta de eliminación de ruido, para eliminar el ruido de los datos originales. Luego, se implementa la descomposición por modos variacionales (VMD) para descomponer los datos denoised y producir los componentes. A continuación, se emplea el kernel extreme learning machine (KELM) como un algoritmo popular de aprendizaje automático para predecir individualmente todos los componentes extraídos. Finalmente, estos resultados pronosticados se agregan en un resultado conjunto como la predicción final. Con datos de concentración de PM por

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Enfoque novedoso; Estrategia de eliminación de ruido; Descomposición; Marco de conjunto; Algoritmo de aprendizaje automático; Precisión de pronóstico
• Keywords:Novel approach; Denoising strategy; Decomposition; Ensemble framework; Machine learning algorithm; Forecasting accuracy