Název: Data mining methods for prediction of air pollution
Autoři: Siwek, Krzysztof
Osowski, Stanislaw
Citace zdrojového dokumentu: ISTET 2013: International Symposiumon Theoretical Electrical Engineering: 24th – 26th June 2013: Pilsen, Czech Republic, p. III-13-III-14.
Datum vydání: 2013
Nakladatel: University of West Bohemia
Typ dokumentu: conferenceObject
konferenční příspěvek
URI: http://hdl.handle.net/11025/11487
ISBN: 978-80-261-0246-5
Klíčová slova: data mining;znečištění vzduchu;prognózování časových řad;výběr znaků;neuronové sítě;výpočetní inteligence
Klíčová slova v dalším jazyce: data mining;air pollution;time series forecasting;feature selection;neural networks;computational intelligence
Abstrakt: The paper discusses the methods of data mining for prediction of air pollution. Two problems in such prediction are important: the generation and selection of the prognostic features, and final prognosis of the pollution level for the next day on the basis of the data of the previous day. In this paper we analyze and compare two methods of feature selection. One applies the genetic algorithm, and the second the linear method of stepwise fit. On the basis of such analysis we are able to select the most important features influencing the prediction. As a mathematical tool for final prediction we apply the neural networks. Three different solutions will be compared: the multilayer perceptron (MLP), radial basis function (RBF) network and support vector machine (SVM).
Práva: © University of West Bohemia
Vyskytuje se v kolekcích:ISTET 2013

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Siwek.pdfPlný text82,98 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/11487

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.