Forecast of Hourly Tropospheric Ozone Concentration in Quang Ninh using MLP and SVM

Abstract

Support vector machine (SVM) and multilayer perceptron (MLP) were used to forecast hourly tropospheric ozone concentration at three locations of Quang Ninh, namely Cao Xanh, Uong Bi and Phuong Nam. Data used to train the models are the hourly concentrations of gaseous pollutants (O3, NO, NO2, CO) and meteorological parameters including wind direction, wind speed, temperature, atmospheric pressure, relative humidity measured in the 2016. Both models accurately forecast tropospheric ozone levels compared to the observation data. The correlation coefficients (r) of the models applied for the three locations range from 0.85 to 0.91. In addition, SVM exhibits a more accurate prediction than MLP, especially for those with large variations, i.e. high standard deviations.

Xây dựng mô hình mô phỏng chỉ số chất lượng không khí cho thành phố Hồ Chí Minh bằng phương pháp học máy

“…Một nghiên cứu khác của Nguyễn Thị Thu Phương và cộng sự năm 2020 sử dụng sử dụng mô hình MLP và SVM (Support Vector Machine) dự báo nồng độ O3 đối lưu hàng giờ tại tỉnh Quảng Ninh. Nhìn chung, mô hình SVM có hiệu suất tốt hơn so với MLP, đặc biệt là trong các tình huống dao động lớn và nồng độ ozone cao [15].…”

Sử dụng ảnh vệ tinh sentinel 2 và thuật toán học máy thành lập bản đồ hiện trạng rừng tại huyện Bù Đăng, tỉnh Bình Phước

“…− Thuật toán véc-tơ hỗ trợ (SVM) là thuật toán dựa trên phương pháp hạt nhân (kernel) để chuyển hồi quy phi tuyến sang tuyến tính trong không gian nhiều chiều, có thể sử dụng cho thuật toán phân lớp đối tượng hoặc hồi quy (Nguyen et al, 2020). Mẫu huấn luyện ban đầu: (x i , y i ), (i=1,2…n), trong đó x i là đa biến số đầu vào, y i là đầu ra vô hướng và n là số mẫu huấn luyện.…”