TY -的A2 -弗朗哥,莱昂纳多AU -金,韩惠珍盟——公园、圣民非盟-崔Byung金盟——月亮,Seung-Hyun AU -金,Yong-Hyuk PY - 2020 DA - 2020/03/11 TI -时空的方法用于质量控制和纠错的大气数据通过机器学习SP - 7980434六世- 2020 AB -我们提出三个质量控制(QC)技术使用机器学习取决于输入数据的类型用于培训。这些包括QC基于时间序列的一个天气元素,QC基于时间序列结合其他天气元素,和QC使用时空特征。我们执行机器上优于QC在每个天气元素的大气数据,如温度,从七种获得物联网传感器和应用机器学习算法,支持向量回归等数据有错误作出有意义的估计。通过使用根均方误差(RMSE),我们提出的性能评估技术。因此,QC做与其他天气元素RMSE平均低于0.14% QC只有一个天气元素进行的。在质量控制与时空特征考虑,QC通过培训与AWS数据显示性能RMSE低17%比QC只有原始数据。SN - 1687 - 5265 UR - https://doi.org/10.1155/2020/7980434 - 10.1155 / 2020/7980434摩根富林明计算智力和神经科学PB - Hindawi KW - ER