किफायती सेंसर नेटवर्क और डीप लर्निंग के साथ शहरी उत्सर्जनों की निगरानी और अनुमान

शहरों में सतत विकास के लिए वायु प्रदूषण उत्सर्जन की निगरानी और अनुमान के लिए उन्नत तकनीकों की आवश्यकता होती है, जो स्थानीय निवासियों और पड़ोस में रहने वाले लोगों के स्वास्थ्य को सीधे प्रभावित करती हैं। इसके लिए, किफायती संवेदकों और सूचना प्रौद्योगिकियों का उपयोग किया जा रहा है ताकि सटीक वायु गुणवत्ता पूर्वानुमान प्रदान किया जा सके। हालांकि, ये डेटा संबंधी सीमाओं के अधीन हैं। यह पेपर आईओटी-सक्षम सेंसरों के डेटा के साथ राज्य-प्रबंधित वायु-गुणवत्ता निगरानी स्टेशनों का उपयोग करके विभिन्न स्तरों पर वायु प्रदूषण की सटीक, विश्वसनीय निगरानी और पूर्वानुमान के लिए नए तकनीकों का प्रस्ताव करता है। यहाँ, हम न्यूरल नेटवर्क और मॉडल हाइपरपैरामीटर और नेटवर्क ड्रॉपआउट दरों के अनुकूलन के लिए एल्गोरिदम के आधार पर एक विस्तारित डीप-लर्निंग मॉडल विकसित करते हैं। ये 24 घंटे के समयावधि में वायु-भाग स्तरों के लिए पूर्वानुमान कवरेज लगभग 80% बनाए रखते हुए पूर्वानुमान सटीकता में 31% से अधिक की महत्वपूर्ण सुधार कर सकते हैं। हमारे मॉडल के लाभ और प्रभावशीलता को दो वास्तविक परिदृश्यों, एक उपनगरीय निर्माण स्थल और एक नागरिक अवसंरचना विकास परियोजना में मान्य और सत्यापित किया गया है। तुलना विश्लेषण किया गया है ताकि प्रस्तावित विधि की प्रदर्शन क्षमता को दो हालिया तकनीकों की तुलना में दर्शा सके जो नियमित दिनों और चरम घटनाओं पर वायु प्रदूषण के अनुमान के लिए संभाव्य समय श्रृंखला पूर्वानुमान के लिए उपयोग की जाती हैं।