智能废物管理和空气污染预测:利用物联网和Elman神经网络

科学领域:

• 环境科学与工程环境科学与工程
• 计算机科学和人工智能 人工智能
• 可持续发展技术 可持续发展技术

背景情况:

• 物联网 (IoT) 的普及需要先进的解决方案来应对关键的城市挑战,如废物管理和空气污染.
• 有效的监测和预测对于可持续发展和改善智慧城市公共卫生至关重要.

研究的目的:

• 提出一个新的集成系统,SWM-APF-IoT-FENN,用于智能废物管理和空气污染预测,使用物联网传感器和完全埃尔曼神经网络 (FENN).
• 为了提高一氧化碳 (CO) 水平的预测准确性和废物桶状态的分类 (充满,半充满,不充满).

主要方法:

• 从废物 (重量,垃圾量,气味) 和空气质量 (CO) 传感器通过连接到谷歌云服务器的智能垃圾桶集成实时数据.
• 使用MaxAbsScaler进行数据规范化和FENN模型进行大气污染物预测和 bin状态分类.
• 使用秘书鸟优化算法优化FENN模型的重量参数.

主要成果:

• 该SWM-APF-IoT-FENN系统在传统方法 (埃尔曼神经网络,循环人工神经网络,长期短期记忆与封闭循环单元) 上显示出显著的性能改进.
• 实现了更高的准确性,F-测量,精度,灵敏度,特异性和假验收率 (FAR),并减少了计算时间.
• 实验结果证实了该系统在实时废物管理和污染预测方面的有效性.

结论:

• 拟议的SWM-APF-IoT-FENN系统为解决城市环境中关键环境挑战提供了一个高效和精简的框架.
• 物联网传感器和先进的神经网络模型的集成为可持续废物管理和空气质量监测提供了强大的解决方案.
• 这种创新方法有助于创造更智能,更健康,更可持续的城市环境.