Resumen

El control preciso de la calidad del aire ya no puede satisfacer las necesidades de la gente. La gente espera predecir la calidad del aire con antelación y hacer advertencias y defensas oportunas para minimizar la amenaza a la vida. Este trabajo propone un nuevo modelo de predicción espacio-temporal de la calidad del aire para predecir la calidad del aire en el futuro y se basa en un gran número de datos ambientales y una red neuronal de memoria a corto plazo (LSTM). Para capturar las características espaciales y temporales de los datos de concentración de contaminantes, se extrajeron primero los datos de los cinco sitios con la mayor correlación de la serie temporal de concentración de PM2,5 (partículas con diámetro aerodinámico ≤2,5 mm) en el sitio experimental, y los datos meteorológicos y otros datos de contaminantes al mismo tiempo se fusionaron en el siguiente paso, extrayendo características espaciotemporales avanzadas a través de redes neuronales de memoria a largo y corto plazo. El modelo presentado en este trabajo se comparó con otros modelos de referencia en el conjunto de datos de concentración de PM2,5 por hora recogidos en 35 sitios de monitoreo de la calidad del aire en Beijing desde el 1 de enero de 2016 hasta el 31 de diciembre de 2017. Los resultados experimentales muestran que el rendimiento del modelo propuesto es mejor que el de otros modelos de referencia.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal, memoria de términos, modelo de referencia, calidad del aire, datos de concentración de contaminantes, nueva calidad del aire, concentración de pm2,5, vigilancia del aire, características espacio-temporales avanzadas, sitio de vigilancia de la calidad
• Keywords:neural network, terms memory, baseline model, air quality, pollutants concentration data, new air quality, concentration of pm2.5, monitoring of air, advanced spatiotemporal features, quality monitoring site