基于深度学习预测烟雾云
机器学习
2024-10-04 v1
摘要
在本概念验证研究中，我们使用各种深度学习模型对氮氧化物 (NO2)、臭氧 (O3) 和（细）颗粒物 (PM10 & PM2.5) 的浓度进行 multivariate 时间序列预测，这些预测包含了来自两个地点之间的气象协变量。我们特别关注长短期记忆网络（LSTM）和门控循环单元（GRU）架构。具体而言，我们提出了受大气科学启发的、分层的集成模型架构，采用多任务学习方法，并由单向和全连接模型进行基准测试。结果表明，层次化 GRU 在预测烟雾相关污染物浓度方面表现出竞争且高效的方法。
引用
@article{arxiv.2410.02759,
title = {Forecasting Smog Clouds With Deep Learning},
author = {Valentijn Oldenburg and Juan Cardenas-Cartagena and Matias Valdenegro-Toro},
journal= {arXiv preprint arXiv:2410.02759},
year = {2024}
}