长短期记忆 (LSTM) 模型在浦项地区 NOx 排放预测中的应用
应用统计
2023-11-28 v1
摘要
一氧化氮和二氧化氮统称为 NOx，其排放是重大的环境与健康问题。为应对气候危机，韩国政府加强了 NOx 排放法规。准确的 NOx 预测模型可帮助企业达成 NOx 排放配额并实现成本节约。本研究致力于开发一种预测韩国严重空气污染的重工业城市浦项 NOx 排放量的模型。在本研究中，应用长短期记忆 (LSTM) 模型预测 NOx 排放量，并使用随机回归进行缺失数据插补。运行 LSTM 模型所需的两个参数（即时间窗口和学习率）经测试并使用 Adam 优化器（LSTM 中流行的优化方法之一）选定。我发现所应用的模型取得了可接受的预测性能，因为其平均绝对比例误差 (MASE)（最重要的评价标准）小于 1。这意味着将我所开发的模型应用于预测未来 NOx 排放，将优于朴素预测（一种仅基于最后观测数据点进行简单预测的模型）。
引用
@article{arxiv.2311.15632,
title = {Application of Long-short Term Memory (LSTM) Model for Forecasting NOx Emission in Pohang Area},
author = {Sangdeok Lee and MinChung Kim},
journal= {arXiv preprint arXiv:2311.15632},
year = {2023}
}