空气质量指数预测与优化启用了物联网应用中的深度学习模型

科学领域:

• 环境科学 环境科学
• 计算机科学 计算机科学
• 数据科学数据科学数据科学

背景情况:

• 工业和城市发展导致严重的空气污染,影响人类健康和大气.
• 精确测量空气质量指数 (AQI) 是至关重要的,并取决于复杂的环境因素,如排放和化学反应.

研究的目的:

• 开发基于物联网 (IoT) 的深度学习 (DL) 技术来预测空气质量.
• 提高数据传输的效率和空气质量预测的准确性.

主要方法:

• 实现了一个物联网模拟与一个新的触点两阶段算法 (TTSA) 有效的数据路由到基站 (BS).
• 利用Z-score规范化和特征指标提取用于数据预处理.
• 采用深度前神经网络 (DFNN),通过分数触点双阶段优化 (FTTSA) 进行优化,用于AQI预测.

主要成果:

• TTSA路由机制以0.979J的能量消耗,0.025s的时间和0.196m的距离实现了卓越的性能.
• 该DFNN模型在AQI预测中表现出高准确度,RMSE为0.602,R平方为0.598,MSE为0.362,MAPE为0.456.

结论:

• 拟议的基于物联网的DL技术有效预测空气质量.
• 整合TTSA和FTTSA优化了系统的高效数据处理和准确的AQI预测.