Modelo de predicción de la calidad del aire basado en un marco híbrido de aprendizaje profundo | JoVE Visualize

Área de la Ciencia:

Ciencias e ingeniería ambiental
Inteligencia artificial en la monitorización ambiental
Ciencias atmosféricas y gestión de la calidad del aire

Sus antecedentes:

La aceleración de la industrialización y la modernización exacerban los problemas de contaminación del aire a nivel mundial.
La predicción precisa de la calidad del aire es crucial para estrategias efectivas de prevención y control de la contaminación.
Los modelos existentes pueden carecer de la precisión necesaria para la dinámica atmosférica urbana compleja.

Objetivo del estudio:

Desarrollar un modelo híbrido novedoso para mejorar la predicción de la calidad del aire urbano.
Mejorar la precisión y fiabilidad de la predicción de las concentraciones de PM2.5.
Proporcionar un soporte técnico sólido para la gestión de la contaminación del aire.

Principales métodos:

Un modelo híbrido (CBLA) que integra redes neuronales convolucionales unidimensionales (1D-CNN), redes Bidirectional Long Short-Term Memory (BiLSTM) y un mecanismo de atención.
1D-CNN para la extracción de características profundas de los datos de calidad del aire.
BiLSTM para el análisis de series temporales, mecanismo de atención para la optimización de características y XGBoosting para la integración de predicciones con datos meteorológicos.

Principales resultados:

El modelo CBLA demostró un excelente rendimiento en tareas de predicción de la calidad del aire.
Las evaluaciones experimentales utilizando datos de Beijing confirmaron la efectividad del modelo.
El enfoque híbrido capturó con éxito dependencias temporales complejas y factores de influencia.

Conclusiones:

El modelo CBLA propuesto ofrece una herramienta potente para la predicción precisa de la calidad del aire urbano.
La integración de CNN, BiLSTM, atención y XGBoosting mejora significativamente la precisión de la predicción.
Este enfoque proporciona una valiosa contribución a los esfuerzos de control de la contaminación del aire y protección del medio ambiente.