Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Fast CNN Pruning via Redundancy-Aware Training Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Estimation of Microphysical Parameters of Atmospheric Pollution Using Machine Learning

verfasst von : C. Llerena, D. Müller, R. Adams, N. Davey, Y. Sun

Erschienen in: Artificial Neural Networks and Machine Learning – ICANN 2018

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The estimation of microphysical parameters of pollution (effective radius and complex refractive index) from optical aerosol parameters entails a complex problem. In previous work based on machine learning techniques, Artificial Neural Networks have been used to solve this problem. In this paper, the use of a classification and regression solution based on the k-Nearest Neighbor algorithm is proposed. Results show that this contribution achieves better results in terms of accuracy than the previous work.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Online Approximation of Prediction Intervals Using Artificial Neural Networks
Nächstes Kapitel Communication Style - An Analysis from the Perspective of Automated Learning
Literatur
1.
Stocker, T.F., et al.: Climate change 2013: the physical science basis. Intergovernmental panel on climate change, working group I contribution to the IPCC fifth assessment report (AR5), Cambridge, UK and New York, NY, USA, p. 1535 (2013)
2.
3.
Ansmann, A., Riebesell, M., Weitkamp, C.: Measurement of atmospheric aerosol extinction profiles with a Raman lidar. Opt. Lett. 15, 746–748 (1990)CrossRef
4.
Veselovskii, I., Kolgotin, A., Griaznov, V., Müller, D., Wandinger, U., Whiteman, N.D.: Inversion with regularization for the retrieval of tropospheric aerosol parameters from multiwavelength lidar sounding. Appl. Opt. 41(18), 3685–3699 (2002)CrossRef
5.
Müller, D., Wandinger, U., Ansmann, A.: Microphysical particle parameters from extinction and backscatter lidar data by inversion with regularization: simulation. Appl. Opt. 38, 2358–2368 (1999)CrossRef
6.
Böckmann, C., Mironova, I., Müller, D., Schneidenbach, L., Nessler, R.: Microphysical aerosol parameters from multiwavelength lidar. J. Opt. Soc. Am. A 22, 518–528 (2005)MathSciNetCrossRef
7.
Kolgotin, A., Müller, D.: Theory of inversion with two-dimensional regularization: profiles of microphysical particle properties derived from multiwavelength lidar measurements. Appl. Opt. 47, 4472–4490 (2008)CrossRef
8.
Müller, D., Kolgotin, A., Mattis, I., Petzold, A., Stohl, A.: Vertical profiles of microphysical particle properties derived from inversion with two-dimensional regularization of multiwavelength Raman lidar data: experiment. Appl. Opt. 50, 2069–2079 (2011)CrossRef
9.
Mamun, M.M., Müller, D.: Retrieval of Intensive aerosol microphysical parameters from multiwavelength Raman/HSRL lidar: feasibility study with artificial neural networks. Neural Netw. Atmos. Meas. Tech. Discuss. 7 (2016)
10.
Hadamard, J.: Bull. Univ. Princeton 13, 49 (1902)
11.
Schalkoff, R.J.: Artificial Neural Networks, vol. 1. McGraw-Hill, New York (1997)MATH
12.
Bohren, C., Huffman, D.: Absorption and Scattering of Light by Small Particles. Wiley, Hoboken (1998). Wiley science paperback seriesCrossRef
13.
Hinds, C.W.: Aerosol Technology: Properties, Behavior, and Measurement of Airborne Particles, 2nd edn., p. 504, January 1999. ISBN 978-0-471-19410-1
14.
15.
Huang, G.-B., Zhu, Q.-Y., Siew, C.-K.: Extreme learning machine: theory and applications. Neurocomputing 70(1–3), 489–501 (2006)CrossRef
16.
Metadaten
Titel
Estimation of Microphysical Parameters of Atmospheric Pollution Using Machine Learning
verfasst von
C. Llerena
D. Müller
R. Adams
N. Davey
Y. Sun
Copyright-Jahr
2018
Buch
Artificial Neural Networks and Machine Learning – ICANN 2018

Print ISBN: 978-3-030-01417-9

Electronic ISBN: 978-3-030-01418-6

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-01418-6_57