ゲート付き注意双方向長短期記憶（GA-BiLSTM）を用いた都市環境センサーデータの補完：手法、性能、および示唆

科学分野:

• 環境科学
• データサイエンス
• 都市計画

背景:

• 都市環境モニタリングネットワークは、センサーの故障や通信の問題によるデータギャップに直面しています。
• 効果的な環境管理のためには、データの連続性と品質を確保することが不可欠です。
• 既存のデータ補完手法は、都市環境における複雑な時空間的依存関係の処理に苦労する可能性があります。

研究 の 目的:

• 都市環境モニタリングネットワークにおける欠損データの補完のための高度なモデルを開発および評価すること。
• 提案されたゲート付き注意双方向長短期記憶（GA-BiLSTM）モデルの性能を確立された手法と比較して評価すること。
• さまざまなギャップ期間の影響と、周辺モニタリングノードの役割を調査すること。

主な方法:

• ゲート付き注意双方向長短期記憶（GA-BiLSTM）モデルの開発。
• モデルのトレーニングと評価のためにシカゴのCROCUSネットワークからのデータを使用。
• さまざまなデータギャップシナリオ（短期および長期）下でのXGBoostおよびK近傍法との比較分析。

主要な成果:

• GA-BiLSTMモデルは、データ補完精度においてXGBoostおよびK近傍法を大幅に上回りました。
• GA-BiLSTMは、特に長期間のデータ欠損（最大10日間）の処理において優れた性能を示しました。
• 分析により、都市データの補完における周辺農村センサーノードの重要な予測的価値が明らかになりました。

結論:

• GA-BiLSTMのような高度な補完技術は、都市環境モニタリングデータの信頼性を大幅に向上させることができます。
• この調査結果は、堅牢な都市モニタリングシステムのための周辺データソースの統合の価値を強調しています。
• 改善されたデータ補完は、都市の持続可能性の取り組みに不可欠な、より回復力のあるデータインフラストラクチャをサポートします。