ハイブリッド・ディープ・ラーニングによる都市部PM2.5濃度の短期予測の改善
Yin Zhou1, Yaping Lyu2, Xiuli Dang1
1College of Land and Environment, National Engineering Laboratory for Efficient Utilization of Soil and Fertilizer Resources, Northeast Key Laboratory of Conservation and Improvement of Cultivated Land, Shenyang Agricultural University, Shenyang, 110866 P. R. China.
Journal of environmental health science & engineering
|August 28, 2025
まとめ
この研究は,粒子状物質 (PM2.5) の濃度を予測するための改良されたディープラーニングモデルを導入します. 新しいモデルは予測の誤差を大幅に減らし 6時間前までの精度を高めています
科学分野:
- 環境科学
- データサイエンス
- 人工知能
背景:
- PM2.5濃度の正確な予測は,空気質管理と公衆衛生にとって極めて重要です.
- 既存のディープラーニングモデルは,高精度で長期にわたるPM2.5の予測を実現する上で課題に直面しています.
研究 の 目的:
- 改善されたPM2.5濃度予測のための改良されたディープラーニングモデルを開発し,評価する.
- モデル改良が予測性能に与える影響を調査する.
主な方法:
- 1D CNNと双方向のLSTMを組み合わせた新しいモデルは,毎時間PM2.5予測のために開発されました.
- 訓練では,中国のシェンヤン (2020-2022) の空気質データを活用した.
- モデルの性能は,空間的相関と汚染物質の相互作用を考慮して,PM2.5配列データとネットワーク出力を統合することによって強化されました.
主要な成果:
- 改善されたモデルでは,RMSEの49%,MAEの51%およびMAPEの44%の誤差が大幅に減少しました.
- R2は次の1時間の予測で 4.6%改善しました
- 予測誤差は6時間前まで 減少しました
結論:
- 提案されたディープラーニングモデルは,PM2.5の予測の精度を大幅に高めています.
- この進歩は,高精度のPM2.5予測モデルを確立するための新しいアプローチを提供します.
- この方法は,空気質の監視と予測システムの改善に有望である.
