Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Delhi

Sortuj według:

Ogranicz wyniki do:

Sustainable optimized LSTM-based intelligent system for air quality prediction in Chennai

Gunasekar Sridhar, Joselin Retna Kumar Gnanaseelan, Dileep Kumar Yellapalli

Acta Geophysica

2022

Vol. 70, no 6

2889--2899

Nowadays, air quality prediction is the most essential process taken by an Indian government. Due to poor quality of air, unhealthy lifestyle and premature deaths of humans have arisen in India, especially in Delhi. Not only has a human’s health, but the air pollution also made a huge impact on several areas like economy, agriculture and road accidents, etc. In recent times, deep learning (DL) technologies are influenced every application rapidly even in air pollution prediction. In this work, the novel optimised DL algorithms are proposed for the efficient prediction of air quality particularly focussing on Chennai, Tamil Nadu. To provide higher accuracy in air quality prediction, the novel optimised DL algorithms are proposed which is combined several models like ARIMA and CNN-LSTM and Tuna Optimization Algorithm, respectively. Initially, CNN and LSTM are combined to provide hybrid architecture. Next, the metaheuristics-based tuna swarm optimization model is applied for fine-tuning the hyperparameters of the CNN-LSTM model which is known as the Tuna Optimised CNN-LSTM (TOCL) method. Finally, the novel TOCL is applied to the residuals of the ARIMA model to form an ARIMA- TOCL (ARTOCL) model. As a result, the novel ARTOCL is learned and performed with an optimal air quality prediction. The metrics of the Hybrid ARTOCL model are evaluated as a better mean absolute error (MAE), root mean squared error (RMSE), R2 score and the normalized RMSE (nRMSE) with higher accuracy than the previous models. The results show that the proposed prediction model has 22.6% R2 improvement, 14.6% MAE reductions, 22% RMSE reductions and 16.45% nRMSE reductions than the existing models.

Aplikacja dydaktyczna zarządzania bazą danych z automatycznym generowaniem zapytań

Brzozowski W.

Informatyka Teoretyczna i Stosowana

2007

R. 7, nr 12

109-120

W artykule opisano aplikację dydaktyczną generującą i obsługującą wielotabelową lokalną bazę danych z poziomu środowiska Delphi. Celem aplikacji jest nauczanie języka SQL oraz jednej z technologii bazodanowych w środowisku Delphi. Oryginalność aplikacji polega na modułach automatycznego generowania zapytań. Aplikacja umożliwia wybór przez studenta jednego, z setek wariantów zapytań poprzez ustawienie odpowiednich opcji komponentów. Aplikacja generuje następnie pełny skrypt zapytania w języku SQL i odwołuje się do SZBD celem re3Ilzacji tego zapytania. Student ma w ten sposób możliwość zapoznania się z poprawną składnią zapytania w bardzo wielu możliwych wariantach.

The didactic application, that generates and manages multitable local database, from the level or Delphi environment, bas been presented in the paper. The purpose or this application is teaching or the SQL language and or one or the database technologies in the Delphi environment. Originality or the application consists in modules or automatic generation or queries. The application allows a student to choose one from hundreds variants or query, through the setting of component properties. The application generates then full script or the query in the SQL language and appeals to DBMS for execution or this query. The student bas this war possibility to acquaint with the proper syntax or query in many possible variants.