A novel Encoder-Decoder model based on read-first LSTM for air pollutant prediction

Accurate air pollutant prediction allows effective environment management to reduce the impact of pollution and prevent pollution incidents. Existing studies of air pollutant prediction are mostly interdisciplinary involving environmental science and computer science where the problem is formulated...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	The Science of the total environment Ročník 765; s. 144507
Hlavní autoři:	Zhang, Bo, Zou, Guojian, Qin, Dongming, Lu, Yunjie, Jin, Yupeng, Wang, Hui
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Netherlands Elsevier B.V 15.04.2021
Témata:	Air pollutant prediction air pollutants computer science Deep learning Encoder-Decoder model environment Long short term memory neural networks Numerical analysis prediction Recurrent neural networks time series analysis Deep learning Air pollutant prediction Recurrent neural networks Encoder-Decoder model Numerical analysis Long short term memory
ISSN:	0048-9697, 1879-1026, 1879-1026
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!