基于LSTM深度学习模型的德里空气质量预测：以COVID-19封锁期为关注点
机器学习
2021-02-23 v1 应用统计
摘要
空气污染对农业、经济、交通事故与健康具有广泛影响。本文中，我们采用新型深度学习方法对印度德里选定区域的短期(多步超前)空气质量进行预测。我们的深度学习方法包括长短期记忆(LSTM)网络模型，其中也涵盖若干近期变体如双向LSTM与编码器-解码器LSTM模型。我们采用多元时间序列方法，尝试预测覆盖总计80小时的10个预测步长的空气质量，并提供带不确定性量化的长期(提前一个月)预报。结果表明，尽管COVID-19在全面与部分封锁期对空气质量产生影响，多元双向LSTM模型仍提供最佳预测。COVID-19对空气质量的影响在全面封锁期间显著；然而，此后空气质量恶化出现了前所未有的增长。
引用
@article{arxiv.2102.10551,
title = {Delhi air quality prediction using LSTM deep learning models with a focus on COVID-19 lockdown},
author = {Animesh Tiwari and Rishabh Gupta and Rohitash Chandra},
journal= {arXiv preprint arXiv:2102.10551},
year = {2021}
}
备注
Under review