城市环境数据驱动的空气质量表征：案例研究
计算机与社会
2019-01-21 v1 应用统计
机器学习
摘要
城镇中较差空气质量的经济与社会影响日益得到认可，同时也需要有效方式来提升对实时空气质量水平及其对人类健康影响的认知。由于地方当局维护的监测站地理分布稀疏，且所得数据集存在标签缺失，因此需要计算驱动的数据驱动机制来解决数据稀疏性挑战。本文提出一种基于机器学习的方法，利用环境监测数据结合气象测量准确预测空气质量指数（AQI）。为此，我们开发了一个空气质量估计框架，实现了一种增强型非线性自回归外生输入（NARX）神经网络，专为时间序列预测设计。该框架应用于伦敦不同监测点的案例研究，与基于其他标准机器学习的预测算法比较，显示了所提方法对城市区域内不同类型区域的可行性与鲁棒性能。
引用
@article{arxiv.1901.06242,
title = {Data-driven Air Quality Characterisation for Urban Environments: a Case Study},
author = {Yuchao Zhou and Suparna De and Gideon Ewa and Charith Perera and Klaus Moessner},
journal= {arXiv preprint arXiv:1901.06242},
year = {2019}
}
备注
IEEE ACCESS 2018