Abstract. Supervised and unsupervis

Abstract. Supervised and unsupervised machine learning algorithms
are used to perform statistical and logical analysis
of several transport and dispersion model runs which simulate
emissions from a fixed source under different atmospheric
conditions.
First, a clustering algorithm is used to automatically group
the results of different transport and dispersion simulations
according to specific cloud characteristics. Then, a symbolic
classification algorithm is employed to find complex nonlinear
relationships between the meteorological input conditions
and each cluster of clouds. The patterns discovered are
provided in the form of probabilistic measures of contamination,
thus suitable for result interpretation and dissemination.
The learned patterns can be used for quick assessment of
the areas at risk and of the fate of potentially hazardous contaminants
released in the atmosphere.

Kết quả (Việt) 1:

Tóm tắt. Máy tính giám sát và không có giám sát học thuật toánđược sử dụng để thực hiện phân tích thống kê và hợp lýmột số mô hình vận chuyển và phân tán chạy mà mô phỏnglượng khí thải từ nguồn cố định một dưới khác nhau trong khí quyểnđiều kiện.Đầu tiên, một thuật toán kết cụm được sử dụng để tự động nhómkết quả mô phỏng vận chuyển và phân tán khác nhautheo đặc điểm cụ thể đám mây. Sau đó, một biểu tượngthuật toán phân loại được sử dụng để tìm kiếm phức tạp phi tuyếnmối quan hệ giữa các điều kiện đầu vào khí tượngvà mỗi cụm mây. Các mô hình phát hiệncung cấp dưới dạng các biện pháp xác suất của ô nhiễm,do đó phù hợp với kết quả giải thích và phổ biến.Các mô hình học có thể được sử dụng để nhanh chóng đánh giácác lĩnh vực rủi ro và số phận của chất gây ô nhiễm có khả năng nguy hiểmphát hành vào bầu khí quyển.

Kết quả (Việt) 2:

Trừu tượng. Các thuật toán máy học có giám sát và không giám sát
được sử dụng để thực hiện các phân tích thống kê và hợp lý
của một số chạy vận tải và mô hình phân tán mà mô phỏng
khí thải từ một nguồn cố định dưới khí quyển khác nhau
điều kiện.
Đầu tiên, một thuật toán phân nhóm được sử dụng để tự động nhóm
các kết quả của vận tải khác nhau và phân tán mô phỏng
theo đặc điểm cụ thể đám mây. Sau đó, một biểu tượng
thuật toán phân loại được sử dụng để tìm phi tuyến phức tạp
mối quan hệ giữa các điều kiện đầu vào khí tượng
và từng cụm mây. Các mô hình phát hiện được
cung cấp dưới dạng các biện pháp xác suất của ô nhiễm,
do đó thích hợp cho việc giải thích kết quả và phổ biến.
Các mô hình học có thể được sử dụng để đánh giá nhanh của
các khu vực có nguy cơ và số phận của các chất ô nhiễm nguy hiểm
phát hành trong bầu khí quyển.