Development and Evaluation of Ensemble Learning-based Environmental Methane Detection and Intensity Prediction Models

要約

メタン (CH4) 排出による地球温暖化の環境への影響は、CH4 の積極的かつ迅速な検出を可能にする新しい技術の開発における重要な研究イニシアチブを促進しました。
いくつかのデータ駆動型機械学習 (ML) モデルがテストされ、影響を受けた地域での逃亡 CH4 とそれに関連する強度をどの程度正確に特定したかが判断されました。
風速、温度、圧力、相対湿度、水蒸気、熱流束などのさまざまな気象特性がシミュレーションに含まれました。
アンサンブル学習法を使用して、(i) 分類問題として CH4 の存在を検出し、(ii) 回帰として CH4 の強度を予測するために、いくつかの弱い下位層 ML モデルに基づいて構築された最もパフォーマンスの高い加重アンサンブル ML モデルを決定しました。
問題。

要約(オリジナル)

The environmental impacts of global warming driven by methane (CH4) emissions have catalyzed significant research initiatives in developing novel technologies that enable proactive and rapid detection of CH4. Several data-driven machine learning (ML) models were tested to determine how well they identified fugitive CH4 and its related intensity in the affected areas. Various meteorological characteristics, including wind speed, temperature, pressure, relative humidity, water vapor, and heat flux, were included in the simulation. We used the ensemble learning method to determine the best-performing weighted ensemble ML models built upon several weaker lower-layer ML models to (i) detect the presence of CH4 as a classification problem and (ii) predict the intensity of CH4 as a regression problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google