Biblioteca93.141 documentos en línea

Artículo

Longer Time Span Air Pollution Prediction: The Attention and Autoencoder Hybrid Learning ModelPredicción de la contaminación atmosférica a más largo plazo: El modelo de aprendizaje híbrido de atención y autoencoder

Resumen

La contaminacin atmosfrica se ha convertido en un problema crtico en la vida de los seres humanos. Predecir las tendencias cambiantes de los contaminantes atmosfricos sera de gran ayuda para la salud pblica y los entornos naturales. Los mtodos actuales se centran en la precisin de la prediccin y mantienen el plazo de prediccin en 12 horas. Un intervalo de tiempo ms corto disminuye la viabilidad de estas perdiciones, incluso con una mayor precisin. Este estudio propone un enfoque de aprendizaje hbrido de atencin y autoencoder (A&A) para obtener un periodo ms largo de las tendencias cambiantes de la contaminacin atmosfrica manteniendo la misma alta precisin. Dado que la prediccin de la concentracin de contaminantes est muy relacionada con el cambio temporal, muy diferente de los problemas de prediccin normales como la autotraduccin, integramos el factor de decaimiento temporal en el mecanismo de atencin tradicional. El factor de decaimiento temporal puede aliviar el impacto del valor observado desde un momento anterior ms largo, al tiempo que aumenta el impacto del valor de un punto temporal ms cercano. Tambin utilizamos los estados ocultos del descodificador para establecer una conexin entre los valores histricos y los actuales. De este modo, el modelo propuesto puede extraer la tendencia cambiante de un intervalo de tiempo histrico ms largo al tiempo que hace frente a cambios bruscos en un intervalo de tiempo ms corto. Un conjunto de experimentos demuestra que el enfoque de aprendizaje A&A puede obtener la tendencia cambiante de los contaminantes atmosfricos, como las PM2,5, durante un periodo de tiempo ms largo de 12, 24 o incluso 48 horas. El mtodo tambin se prueba con distintas concentraciones de contaminantes y distintos periodos, y los resultados validan su solidez y generalidad.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento