메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Wei Bai (Ningxia Normal University) Fengying Li (Ningxia Normal University)
저널정보
대한환경공학회 Environmental Engineering Research Environmental Engineering Research 제28권 제1호
발행연도
2023.2
수록면
231 - 241 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Aiming at the problems of low accuracy and less prediction time step in traditional statistical model for PM2.5 concentration prediction, a PM2.5 concentration prediction method based on deep learning in Internet of Things air monitoring system is proposed. Firstly, the spatiotemporal correlation of each station data in the Internet of Things monitoring system is analyzed, and the cubic spline interpolation method is used to fill in the missing data. Then, the temporal attention of the input data is obtained by attention mechanism, and the feature encoder is used to encode the data to obtain the intermediate features. Finally, the intermediate feature is fused with the historical information of PM2.5 concentration, and the predicted value is obtained through the feature decoder. Using the proposed model to predict the PM2.5 concentration in Beijing, the experimental results show that the long-term PM2.5 predicted value is very close to the real value, and the RMSE and MAE are 17.93 μg/㎥ and 11.52 μg/㎥, respectively, which are better than other comparison models. So, this model is suitable for multivariable long time series forecasting scenarios.
#Air monitoring system #Deep learning #Encoder decoder #Internet of things #PM2.5 concentration prediction #Temporal attention mechanism

목차

ABSTRACT
1. Introduction
2. Related Work
3. Data Analysis and Preprocessing
4. Research Method
5. Experiment and Analysis
6. Conclusions
References

참고문헌 (26)

참고문헌 신청
Gu K, Qiao J, Li X. Highly Efficient Picture-Based Prediction of PM2.5 Concentration. IEEE T Ind. Electron. 2019;66:3176-3184. google schola Hayajneh FMF, Abdelqader A, Al-Qaisi M, Al-Antary T. Effects Of Photoperiod On Circadian Rhythms Of Blood Parameters In Awassi Sheep Under Field Conditions. Fresen. Environ. Bull. 2020;29:10980-10984. google schola Zhao J, Deng F, Cai Y, Chen J. Long short-term memory - Fully connected (LSTM-FC) neural network for PM 2.5 concentration prediction. Chemosphere 2019;220:486-492. google schola Mehanna N, Swelam S, Almqbil N. Improvement Of The Dairy Products By Wheat Germ Powder. Fresen. Environ. Bull. 2020;29:10954-10959. google schola Kalu N, Bilgiseven I, Mutlu Z. Toxicity Of Cadmium Based And Cadmium Free Quantum Dots In Primary Cultured Zebrafish Hepatocytes. Fresen. Environ. Bull. 2020;29:6102-6110. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-539-001345179