Using Logistic Regression with Time-Stratified Method for Air Pollution Datasets Forecasting
| المصدر: | المجلة العراقية للعلوم الإحصائية |
|---|---|
| الناشر: | جامعة الموصل - كلية علوم الحاسوب والرياضيات |
| المؤلف الرئيسي: | Mohammad, Sura Amir (Author) |
| مؤلفين آخرين: | Hannon, Osama Basheer (Co-Author) |
| المجلد/العدد: | ع31 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2020
|
| الشهر: | يونيو |
| الصفحات: | 33 - 48 |
| ISSN: |
1680-855X |
| رقم MD: | 1062159 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
Logistic Regression "LR" | Time Stratified "TS" | Particular Matter "PM10" | Forecasting | Air Pollution
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
أن دراسة الجسيمات المعلقة (PM10) والتكهن بها ضروري للتقليل والسيطرة على الأضرار البيئية وصحة الإنسان. هنالك العديد من مصادر التلوث أو ما يسمى بالملوثات والتي ربما تؤثر على .PM10بيانات الدراسة تم أخذها من محطة مناخية في كوالالمبور، ماليزيا. كل هذه المتغيرات تصنف بياناتها كغير خطية. نموذج الانحدار اللوجستي باستخدام النموذج الخطي المعمم كحالة خاصة من الطرق الإحصائية الخطية وبالتالي فقد يعكس نتائج غير دقيقة عند استخدامه مع مجموعات البيانات غير الخطية. طريقة التراصف الزمني في أنماط مختلفة تم اقتراحها لتحسين تلك النتائج وتحقيق التجانس ويتضمن مراصفة المواسم المتشابهة في السنوات المختلفة سوية لتكوين متغير جديد مختلف عن الأصلي. نتائج نموذج الانحدار اللوجستي هي افضل من النتائج للبيانات الأصلية الكلية لذلك نستنتج أن تكهنات الانحدار اللوجستي من الممكن اعتمادها بعد اخذ التراصف الزمني للبيانات بنظر الاعتبار مع البيانات غير الخطية متعددة المتغيرات عندما يكون PMIO كمتغير معتمد. Particular matter (PM10) studying and forecasting is necessary to control and reduce the damage of environment and human health. There are many pollutants as sources of air pollution may effect on PM10 variable. Studied datasets have been taken from the Kuala Lumpur meteorological station, Malaysia. Logistic regression (LR) is built by using generalized linear model as a special case of linear statistical methods, therefore it may reflect inaccurate results when used with nonlinear datasets. Time stratified (TS) method in different styles is proposed for satisfying more homogeneity of datasets. It includes ordering similar seasons in different years together to formulate new variable smoother than their original. The results of LR model in this study reflect outperforming for time stratified datasets comparing to full dataset. In conclusion, LR forecasting can be depended after datasets time stratifying to satisfy more accuracy with nonlinear multivariate datasets in which PM10 is to dependent variable. |
|---|---|
| ISSN: |
1680-855X |
عناصر مشابهة
-
Comparisons between Logistic Regression and Support Vector Machine for Air Pollution Datasets Forecasting
بواسطة: Mohammad, Sura Amir منشور: (2020) -
Selective Overview on Single Diagnostics Methods of Outliers in Logistic Regression
بواسطة: Uraibi, Hassan S. منشور: (2019) -
Multicollinearity in Logistic Regression Model: Subject Review
بواسطة: Ibrahim, Naglaa Saad منشور: (2020) - Exposure to small particle air pollution : mapped by city منشور: (2014)
-
Determine of the Most Important Factors that Affect the Incidence of Heart Disease Using Logistic Regression Model: Applied Study in Erbil Hospital
بواسطة: Mohammed, Mohammed A. منشور: (2020)
