The application of regression trees to modelling ozone concentration measured in selected regions
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60162694%3AG42__%2F16%3A00533348" target="_blank" >RIV/60162694:G42__/16:00533348 - isvavai.cz</a>
Výsledek na webu
<a href="http://vavtest.unob.cz/registr" target="_blank" >http://vavtest.unob.cz/registr</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
The application of regression trees to modelling ozone concentration measured in selected regions
Popis výsledku v původním jazyce
Decision trees is a classification and predictive method which has applications in many fields. In this work the method of regression trees is used to modelling of tropospheric ozone concentration measured in the vertical gradient at the Atmospheric station Kresin u Pacova. Basic meteorological parameters and categorical variables taking into account temperature inversion, day time and season of the measurement were chosen as predictors for the analysis provided by using CART algorithm. The results show that temperature and relative humidity have the most significant effect to tropospheric ozone concentration at all height levels of measurement. Regression tree model, which can be used to predict tropospheric ozone concentration, can be useful tool for assessment risks from excessive pollution.
Název v anglickém jazyce
The application of regression trees to modelling ozone concentration measured in selected regions
Popis výsledku anglicky
Decision trees is a classification and predictive method which has applications in many fields. In this work the method of regression trees is used to modelling of tropospheric ozone concentration measured in the vertical gradient at the Atmospheric station Kresin u Pacova. Basic meteorological parameters and categorical variables taking into account temperature inversion, day time and season of the measurement were chosen as predictors for the analysis provided by using CART algorithm. The results show that temperature and relative humidity have the most significant effect to tropospheric ozone concentration at all height levels of measurement. Regression tree model, which can be used to predict tropospheric ozone concentration, can be useful tool for assessment risks from excessive pollution.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
MENDEL 2016 22nd International Conference on Soft Computing
ISBN
978-80-214-5365-4
ISSN
1803-3814
e-ISSN
—
Počet stran výsledku
8
Strana od-do
241-248
Název nakladatele
Nosová Hana, Koperníkova 4362/21, Brno, 2016
Místo vydání
Brno
Místo konání akce
Brno
Datum konání akce
8. 6. 2016
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—