通过深度学习技术预测德黑兰大城市空气质量的建模
Abdullah Kaviani Rad1, Mohammad Javad Nematollahi2, Abbas Pak3
1Department of Environmental Engineering and Natural Resources, College of Agriculture, Shiraz University, Shiraz, 71946-85111, Iran.
Scientific reports
|January 8, 2025
概括
深度学习模型准确地预测了德黑兰的空气污染,超过了传统方法. 温度和湿度是影响污染物水平的关键因素,有助于空气质量管理.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 大气化学 大气化学
背景情况:
- 空气污染对城市地区的公共卫生和环境安全构成重大风险.
- 准确预测空气污染物度对于有效的环境管理和公共卫生保护至关重要.
研究的目的:
- 预测2013-2023年德黑兰主要空气污染物 (CO,O3,NO2,SO2,PM10和PM2.5) 的度.
- 评估深度学习 (DL) 模型与空气污染预测的传统机器学习 (ML) 方法的有效性.
- 确定影响污染物度的关键气象驱动变量.
主要方法:
- 利用深度学习模型,包括门式循环单元 (GRU),完全连接的神经网络 (FCNN) 和卷积神经网络 (CNN).
- 将DL模型性能与使用R平方 (R2),RMSE,MAE和MSE指标的传统机器学习方法进行比较.
- 分析了气象变量如温度,湿度,露点,风速和空气压力对污染物度的影响.
主要成果:
- 与传统的ML方法相比,深度学习模型在空气污染预测方面表现优越.
- FCNN和GRU模型在预测NO2,PM10和PM2.5方面取得了高精度,R2值高达0.9276.6.
- 温度和湿度被确定为影响污染物度变化的主要气象因素.
结论:
- 深度学习模型为空气污染预测提供了显著的准确性,作为环境管理的重要工具.
- 调查结果为决策者提供了实际见解,帮助他们制定和实施有效的空气质量控制策略.
- 准确的预测可以采取积极的措施来减轻空气污染对公众健康和环境的不利影响.
