應用資料維度縮減與類神經網路於臭氧濃度預測

勤益科大機構典藏 > 管理學院 > 工業工程與管理系(所) > 【工業工程與管理系所】博碩士論文 > Item 987654321/5490

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/5490

題名:	應用資料維度縮減與類神經網路於臭氧濃度預測
作者:	謝明龍黃美玲
貢獻者:	工業工程與管理系
關鍵詞:	ROC曲線主成份分析類神經網路精密度召回率
日期:	2010
上傳時間:	2013-08-13 15:34:02 (UTC+8)
出版者:	台中;國立勤益科技大學
摘要:	台灣環保署對於觀測臭氧濃度的高低很重視，因為臭氧濃度與空氣品質是息息相關的，臭氧濃度太高會導致空氣污染，對人體的呼吸道或眼睛都有傷害。如何事先準確的預測臭氧濃度，對於氣象專家或氣象單位都有很大的幫助。本研究的資料來源為UCI Machine Learning Repository，選用臭氧濃度資料庫(Ozone level detection dataset)做為研究案例，透過建立臭氧(O3)濃度預測模式，期望提高氣象預報的正確率，減少因臭氧污染而造成的人體危害。本研究結合主成份分析(Principal Component Analysis,簡稱PCA)與倒傳遞類神經網路(Back-Propagation Neural Network,簡稱BPNN)，利用PCA的方法萃取出資料庫中重要的成份，達到資料精簡的目的，並做為BPNN的輸入項目。在預測績效方面，依據反應者操作特徵曲線下的面積(Area Under Receiver Operating Characteristic Curve, 簡稱AUROC)做為評估預測模式的績效，使用資訊檢索(Information retrieval)領域中常用的精密度(Precision)、召回率(Recall)、誤判率(False Alarm Rate，簡稱FDR)及檢測率(Detection rate)，並與先前學者做比較。實際執行得到的AUROC為0.969、正確率為0.986、Precision為1.000、Recall為1.000、誤判率(False Alarm Rate，簡稱FDR)為1.000及檢測率(Detection rate)為0.828。
顯示於類別:	[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文

文件中的檔案:

沒有與此文件相關的檔案.

檢視Licence

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....