Deep-dust：利用LSTM预测首尔细颗粒物浓度
机器学习
2019-01-30 v1 机器学习
摘要
韩国污染性细颗粒物主要由生物质燃烧和来自沙尘带的扬沙组成，近来是重大问题。预测首尔细颗粒物浓度具有挑战性，因为它们是气态污染物间复杂化学反应的产物，并受污染物与多种气候变量间动力相互作用影响。通过阐述基于深度学习的先进时间序列分析技术，可捕捉多变量间非线性相互作用并用于预测未来粉尘浓度。本工作中，我们提出基于LSTM的模型，依据周边区域先前污染物浓度、粉尘浓度及气候变量，预测首尔目标位置每小时细颗粒物浓度。我们的结果表明，所提模型成功预测了首尔25个目标区(Gu)的未来粉尘浓度。
引用
@article{arxiv.1901.10106,
title = {Deep-dust: Predicting concentrations of fine dust in Seoul using LSTM},
author = {Sookyung Kim and Jungmin M. Lee and Jiwoo Lee and Jihoon Seo},
journal= {arXiv preprint arXiv:1901.10106},
year = {2019}
}
备注
3 pages, 3 figures, 1 tabel