TY -的A2 Rathnayake Upaka盟——AlOmar穆罕默德•哈立德AU - Khaleel Faidhalrahman盟——AlSaadi Abdulwahab Abdulrazaaq AU - Hameed,默罕默德·马吉德盟——AlSaadi穆罕默德Abdulhakim AU -安Nadhir PY - 2022 DA - 2022/09/30 TI -数据长度的影响性能的人工智能模型在预测空气污染SP - 5346647六世- 2022 AB -空气污染是人类最重要的环境问题之一,在全球多个国家被认为是有争议的。因此,准确预测是人类健康的关键管理和政府决策环境管理。在这项研究中,三个人工智能(AI)方法,即神经网络组的数据处理方法(GMDHNN),极端学习机(ELM)和梯度增强回归树(GBR),用于预测点的每小时的浓度_2.5在多塞特郡站位于加拿大。调查已经完成量化数据长度对人工智能建模性能的影响。因此,九个不同比例(50/50,55/45,60/40,65/35,70/30,75/25,80/20,85/15,90/10)是用来将数据分为训练和测试数据集评估应用的性能模型。结果表明,数据部分显著影响模型的能力,和60/40比率被发现更适合发展预测模型。此外,结果表明,榆树模型提供了更精确的预测点_2.5浓度比其他模型。同时,榆树模型的一个至关重要的特征是其适应能力训练和测试数据的潜在变化的比例。总而言之,这项研究结果发表在了一个高效的方法选择最优数据集比例和最好的人工智能模型正确地预测这将是有用的一个精确的模型来解决设计中不同的环境问题。SN - 1687 - 9309 UR - https://doi.org/10.1155/2022/5346647 - 10.1155 / 2022/5346647摩根富林明的进步气象学PB - Hindawi KW - ER