深度學習：環境資料數位化的應用

淡江大學機構典藏 > 工學院 > 人工智慧學系 > 期刊論文 > Item 987654321/128614

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/128614

題名:	深度學習：環境資料數位化的應用
作者:	邱普運;王韻婷;林雋傑;劉佳儀;張佑文;張斐章
日期:	2024-12
上傳時間:	2026-03-06 12:08:18 (UTC+8)
出版者:	財團法人國家實驗研究院國家儀器科技研究中心
摘要:	深度學習能精準捕捉資料中的非線性特徵和劇烈變化，實現高精度預測。本研究將其應用於多個環境議題，包括全臺灣的空氣污染、臺北市的下水道水位預測及溫室微氣候預測。空污預測使用了全臺灣環保署測站的歷史資料，涵蓋六個污染因子和兩個氣象因子，模型引入了注意力機制，成功解決傳統深度學習的梯度消失問題，顯著提升未來72小時的預測精度，誤差（root-mean-square error, RMSE）在8.5至13.2 μg/m^3之間。在臺北市的下水道水位預測中，本研究採用了DNN-AE模型，能穩定預測未來10至60分鐘水位。在所有DNN-AE模型中，C-AE模型在結構上更具優勢，卷積層能有效提取時間特徵，特別是在處理時間變化資料時，能捕捉更細緻的趨勢，顯著提高預測精度，誤差（RMSE）在T+1至T+6為0.21至0.51 m，預測結果最佳且穩定。對於溫室微氣候預測，本研究使用XGBoost對彰化伸港各微氣候因子進行特徵篩選，分析了溫度、相對濕度和光照強度等關鍵影響因素。結果顯示影響溫度、相對濕度和光照強度的主要特徵分別為溫度、短波輻射（日射量）和RH，反映了捲簾和遮蔽系統對溫室內部微氣候的影響。結果顯示，ANFIS模型在溫度預測方面表現最佳，R^2值超過0.8，CNN則在相對濕度與光照強度的預測上表現良好。綜合這些應用，臺灣的環境預測技術將能進一步推動智慧城市的發展，邁向更高階的數位化未來。
關聯:	科儀新知 (241), p.15-26
顯示於類別:	[人工智慧學系] 期刊論文

文件中的檔案:

沒有與此文件相關的檔案.

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....