预测沿海城市干散货港口的尘埃污染:基于数据分解和深度学习的混合方法
Wenyuan Wang1, Bochi Liu1, Qi Tian1
1State Key Laboratory of Coastal and Offshore Engineering, Dalian University of Technology, Dalian, 116023, China.
Environmental pollution (Barking, Essex : 1987)
|April 27, 2024
概括
这项研究引入了一种新的混合方法,用于预测干散货港口的尘埃污染,整合运营数据和先进的深度学习. 该方法提高了沿海城市的空气质量监测和公共卫生保护.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 干散货港口运营大大导致尘埃污染,影响沿海空气质量和公共卫生.
- 现有的尘埃污染预测模型面临着非静止时间序列和特征选择的挑战,经常忽视港口运营影响.
研究的目的:
- 通过整合运营数据,为干散货港口开发一个准确的尘埃污染预测模型.
- 为了应对非静止时间序列的挑战和在尘埃污染预测中的相关特征选择.
主要方法:
- 建议采用混合方法,将数据分解和深度学习结合起来.
- 使用二次分解和重组 (SDR) 策略来处理数据非静止性.
- 基于注意力的双阶段序列对序列 (DA-Seq2Seq) 模型用于适应性特征选择和时间依赖性捕获,并纳入端口操作数据.
主要成果:
- 与基线模型相比,拟议的混合方法显示出更高的预测准确性.
- 二次分解和重组 (SDR) 策略在减少数据非静止性方面证明是有利的.
- 整合港口运营数据显著改善了尘埃污染预测能力.
结论:
- 开发的混合方法为预测干散货港口的尘埃污染提供了更准确的方法.
- 这种方法可以帮助港口当局实施有效的防尘污染控制措施.
- 改进的尘埃污染预测有助于减轻对城市居民健康的不利影响,提高沿海空气质量.
更多相关视频
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.5K
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
1.4K
