• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Quality Control, Transactions >Design and Analysis of an Data-Driven Intelligent Model for Persistent Organic Pollutants in the Internet of Things Environments
【24h】

Design and Analysis of an Data-Driven Intelligent Model for Persistent Organic Pollutants in the Internet of Things Environments

机译：物联网持久性有机污染物的数据驱动智能模型的设计与分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The targeted compounds included Polychlorinated Biphenyls (PCBs), Pesticides (PESTs), Polycyclic Aromatic Hydrocarbons (PAHs) and so on in the Great Lakes Integrated Atmospheric Deposition Network (IADN), which is a platform based on the IoT (Internet of Things) technology to collect environmental pollutants data. While previous studies usually employed traditional statistical approaches to analyze the IADN results, we performed a complete modeling workflow of the total concentrations of PCBs, PESTs, and PAHs (which is referred to as $sum $ PCBs, $sum $ PEST s and $sum $ PAHs orderly) in 1990–2016 samples by using a machine learning algorithm combined with data-driven research method, which lets the model fit the data, so as to change the model to achieve the effect. The main results of this article are as follows, 1) identifying the spatial and temporal trends of POPs (Persistent Organic Pollutants) in the air of the Great Lakes; 2) An appropriate data-driven intelligent model was constructed for the data at EH (Eagle Harbor) and STP(Sturgeon Point) sampling sites, via which we estimated their $sum $ PCBs, $sum $ PESTs, and $sum $ PAHs in the following 4–5 years, showing the concentrations will continue declining with slight fluctuations; 3) The important role which IoT played in smart environmental protection was pointed out.
机译：靶向化合物包括聚氯联合氯联苯（PCB），农药（害虫），多环芳烃（PAH）在大湖泊集成的大气沉积网络（IADN）中，这是一个基于IOT（物联网）技术的平台收集环境污染物数据。虽然以前的研究通常采用传统的统计方法来分析IADN结果，但我们对PCB，害虫和PAH的总浓度进行了完整的建模工作流程（称为<内联 - 公式XMLNS：MML =“http：// www.w3.org/1998/math/mathml“xmlns：xlink =”http://www.w3.org/1999/xlink“> $ sum $ PCB，<内联公式XMLNS：MML =“http://www.w3.org/1998/math/mathml”xmlns：xlink =“http://www.w3.org/ 1999 / xlink“> $ sum $ pest s和<内联 - 公式xmlns：mml =”http：//www.w3 .org / 1998 / math / mathml“xmlns：xlink =”http://www.w3.org/1999/xlink“> $ sum $ < / Inline-Fapue> PAHS有序）在1990 - 2016年通过使用机器学习算法结合数据驱动的研究方法，这使模型适合数据，以改变模型以实现效果。本文的主要结果如下，1）鉴定巨大湖泊空气中POPS（持久性有机污染物）的空间和时间趋势; 2）为eh（鹰港）和stp（鲟鱼点）采样站点的数据构建了适当的数据驱动智能模型，我们估计了它们的<内联公式XMLNS：MML =“http：//www.w3 .org / 1998 / math / mathml“xmlns：xlink =”http://www.w3.org/1999/xlink“> $ sum $ < /内联公式> PCB，<内联公式XMLNS：MML =“http://www.w3.org/1998/math/mathml”xmlns：xlink =“http://www.w3.org/1999/xlink “> $ sum $ pests，以及 $ sum $ PAH在以下4-5年内，显示浓度将继续下降，轻微波动; 3）指出了在智能环保中扮演的重要作用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号