An integrated 3D CNN-GRU deep learning method for short-term prediction of PM2.5 concentration in urban environment

卷积神经网络 自回归积分移动平均 深度学习 空气质量指数 计算机科学 期限(时间) 人工智能 人工神经网络 时间序列 机器学习 环境科学 模式识别(心理学) 数据挖掘 气象学 地理 物理 量子力学
作者
Marjan Faraji,Saeed Nadi,Omid Ghaffarpasand,Saeid Homayoni,Kay Downey
出处
期刊:Science of The Total Environment [Elsevier BV]
卷期号:834: 155324-155324 被引量:59
标识
DOI:10.1016/j.scitotenv.2022.155324
摘要

This study proposes a new model for the spatiotemporal prediction of PM2.5 concentration at hourly and daily time intervals. It has been constructed on a combination of three-dimensional convolutional neural network and gated recurrent unit (3D CNN-GRU). The performance of the proposed model is boosted by learning spatial patterns from similar air quality (AQ) stations while maintaining long-term temporal dependencies with simultaneous learning and prediction for all stations over different time intervals. 3D CNN-GRU model was applied to air pollution observations, especially PM2.5 level, collected from several AQ stations across the city of Tehran, the capital of Iran, from 2016 to 2019. It could achieve promising results compared to the methods such as LSTM, GRU, ANN, SVR, and ARIMA, which are recently introduced in the literature; it estimates 84% (R2 = 0.84) and 78% (R2 = 0.78) of PM2.5 concentration variations for the next hour and the following day, respectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
西瓜完成签到 ,获得积分10
8秒前
Hiram完成签到,获得积分10
11秒前
几几完成签到,获得积分10
12秒前
Altman完成签到 ,获得积分10
15秒前
15秒前
HY完成签到 ,获得积分10
18秒前
量子星尘发布了新的文献求助10
22秒前
Tsuns完成签到 ,获得积分20
31秒前
慎之完成签到 ,获得积分10
38秒前
keyanzhang完成签到 ,获得积分10
39秒前
JayL完成签到,获得积分10
43秒前
Lamis完成签到 ,获得积分10
44秒前
48秒前
tangchao完成签到,获得积分10
58秒前
OAHCIL完成签到 ,获得积分10
1分钟前
清风完成签到 ,获得积分10
1分钟前
热心的十二完成签到 ,获得积分10
1分钟前
小文殊完成签到 ,获得积分10
1分钟前
今后应助科研通管家采纳,获得10
1分钟前
hi应助科研通管家采纳,获得10
1分钟前
Alex-Song完成签到 ,获得积分0
1分钟前
zombleq完成签到 ,获得积分10
1分钟前
aleilei完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
1分钟前
hhh发布了新的文献求助10
1分钟前
一条摆摆的沙丁鱼完成签到 ,获得积分10
1分钟前
hhh完成签到,获得积分10
1分钟前
麻辣烫完成签到 ,获得积分10
1分钟前
搬砖的化学男完成签到 ,获得积分0
1分钟前
开放素完成签到 ,获得积分10
1分钟前
LXx完成签到 ,获得积分10
1分钟前
wakaka123完成签到 ,获得积分10
2分钟前
Microgan完成签到,获得积分10
2分钟前
mechefy完成签到 ,获得积分10
2分钟前
量子星尘发布了新的文献求助10
2分钟前
迅速的念芹完成签到 ,获得积分10
2分钟前
wll1091完成签到 ,获得积分10
2分钟前
善良紫完成签到,获得积分10
2分钟前
怕孤独的飞飞完成签到,获得积分10
2分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976735
求助须知:如何正确求助?哪些是违规求助? 3520831
关于积分的说明 11204873
捐赠科研通 3257630
什么是DOI,文献DOI怎么找? 1798814
邀请新用户注册赠送积分活动 877897
科研通“疑难数据库(出版商)”最低求助积分说明 806663