...
机译:评估普通地统计插值,混合插值和机器学习方法的预测能力,以估计空间上的PM_(2.5)成分
Harvard Univ, Sch Publ Hlth, Dept Environm Hlth, Boston, MA 02115 USA;
Harvard Univ, Sch Publ Hlth, Dept Biostat, Boston, MA 02115 USA;
Harvard Univ, Sch Publ Hlth, Dept Environm Hlth, Boston, MA 02115 USA;
Air pollution; PM2.5 components; Geostatistical interpolation; Machine learning;
机译:评估普通地质地统计插值,混合插值和机器学习方法的预测能力,用于估算PM_(2.5)的空间成分
机译:通过机器学习方法估算的美国本土PM_(2.5)成分的时空趋势,2005-2015年
机译:比较地统计插值法和遥感技术以估计美国大陆各地长期暴露于环境PM2.5浓度
机译:通过使用最佳插值改善空气质量模型极光的PM_(10)估计
机译:应用地统计插值方法研究城市土壤的环境污染和飞行时间二次离子质谱的图像分析。
机译:比较地统计插值法和遥感技术估算美国大陆各地PM2.5浓度的长期暴露
机译:地统计插值与遥感技术的比较估算大陆美国长期暴露于环境下PM 2.5浓度的影响
机译:插值空间和插值方法