ارسل ملاحظاتك

ارسل ملاحظاتك لنا







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:
صورة الغلاف QR قانون
حفظ في:
LEADER 03771nam a22002417a 4500
001 1800100
041 |a eng 
044 |b العراق 
100 |9 574106  |a Mohammad, Sura Amir  |e Author 
245 |a Using Logistic Regression with Time-Stratified Method for Air Pollution Datasets Forecasting 
260 |b جامعة الموصل - كلية علوم الحاسوب والرياضيات  |c 2020  |g يونيو 
300 |a 33 - 48 
336 |a بحوث ومقالات  |b Article 
520 |a 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. 
520 |b 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. 
653 |a الصحة العامة  |a تلوث الهواء  |a الانحدار اللوجستي  |a الجسيمات المعلقة "PM10" 
692 |b Logistic Regression "LR"  |b Time Stratified "TS"  |b Particular Matter "PM10"  |b Forecasting  |b Air Pollution 
700 |9 574107  |a Hannon, Osama Basheer  |e Co-Author 
773 |4 الاقتصاد  |6 Economics  |c 005  |e Iraqi Journal of Statistical Science  |f Al-maǧallaẗ al-ʻirāqiyyaẗ li-l-ʻulūm al-iḥsāʼiyyaẗ  |l 031  |m ع31  |o 1147  |s المجلة العراقية للعلوم الإحصائية  |v 000  |x 1680-855X 
856 |u 1147-000-031-005.pdf 
930 |d n  |p y  |q n 
995 |a EcoLink 
999 |c 1062159  |d 1062159