使用神经网络预测波兰颗粒物成分的度
1Department of Artificial Intelligence, Czȩstochowa University of Technology, al. Armii Krajowej 36, Czȩstochowa, 42-200, Poland. jaroslaw.bernacki@pcz.pl.
Environmental science and pollution research international
|March 21, 2025
概括
先进的深度学习模型准确预测了波兰的颗粒物 (PM) 污染. 这些人工智能工具为公共卫生干预和改善空气质量管理提供了关键的见解.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 公共卫生 公共卫生
背景情况:
- 空气污染,特别是颗粒物 (PM),对全球健康和环境构成重大风险.
- 波兰面临着严峻的空气质量挑战,需要有效的PM控制和预测.
研究的目的:
- 评估先进的深度学习模型,以准确预测颗粒物度.
- 评估扩展长期短期记忆网络 (xLSTM),科尔莫戈罗夫-阿诺德网络 (KAN),时间卷积网络 (TCN) 和变化自编码器 (VAE) 模型的性能.
主要方法:
- 使用的深度学习模型:xLSTM,KAN,TCN和VAE.
- 使用来自波兰八个城市的PM度数据进行了广泛的实验.
- 应用统计假设测试和错误指标 (MAE,RMSE) 用于评估.
主要成果:
- 评估的深度学习方法显示了PM度的高预测精度.
- 这些先进的模型显著超过了现有的最先进的预测算法.
- 实验结果证实了拟议的预测框架的有效性.
结论:
- 开发的深度学习框架为准确的PM预测提供了强大的工具.
- 调查结果支持政策制定者和公共卫生官员及时实施空气质量干预措施.
- 该研究有助于加强城市空气质量管理和公共卫生保护.
