Multitask Air-Quality Prediction Based on LSTM-Autoencoder Model

With the development of the data-driven modeling techniques, using the neural network to simulate the transport process of atmospheric pollutants and constructing <inline-formula> <tex-math notation="LaTeX">{\textrm {PM}}_{2.5} </tex-math></inline-formula> time-seri...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	IEEE transactions on cybernetics Jg. 51; H. 5; S. 2577 - 2586
Hauptverfasser:	Xu, Xinghan, Yoneda, Minoru
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	United States IEEE 01.05.2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Schlagworte:	Air pollution Atmospheric modeling Atmospheric models Autoencoder Computer architecture Learning Logic gates long short-term memory (LSTM) Multilayers multitask learning Neural networks PM₂. Pollutants Pollution monitoring Prediction models Predictive models Simulation Stations Time series Time series analysis Urban areas
ISSN:	2168-2267, 2168-2275, 2168-2275
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!