深度學習：環境資料數位化的應用
學年 113
學期 1
出版（發表）日期 2024-12-01
作品名稱 深度學習：環境資料數位化的應用
作品名稱（其他語言）
著者 邱普運; 王韻婷; 林雋傑; 劉佳儀; 張佑文; 張斐章
單位
出版者
著錄名稱、卷期、頁數 科儀新知 (241), p.15-26
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。
關鍵字
語言 zh_TW
ISSN 1019-5440
期刊性質 國內
收錄於
產學合作
通訊作者
審稿制度 否
國別 TWN
公開徵稿
出版型式 ,電子版
相關連結

機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/128614 )