aqi歷史資料的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

利用深度學習方法以預測細懸浮微粒(PM2.5)之研究

為了解決aqi歷史資料的問題，作者賴俊瑋 這樣論述：

近年空氣污染逐漸惡化，其中細懸浮微粒(PM2.5)嚴重影響著空氣品質以及民眾健康。本研究因此收集環保署環境資料開放平台上的空氣監測資料，利用深度學習中的卷積神經網路(CNN)和遞迴神經網路(RNN)預測未來8小時內的細懸浮微粒(PM2.5)濃度。本研究收集2017年1月1日至2021年12月31日的資料進行實驗評估，實驗結果顯示，以線性內插法進行缺失值的填補有較好的表現，而以卷積神經網路(CNN)加上長短記憶(LSTM)所形成的混合模型，有較好的預測準確度。

影響台灣太陽能發電廠效率之因素探討－兼論空氣汙染之調節效應

為了解決aqi歷史資料的問題，作者吳思萍 這樣論述：

全球氣候變遷日益嚴重，促使各國減少使用傳統能源，增加再生能源的發展，以達到減碳環保的趨勢，而太陽能又為其中的主要能源，研究台灣太陽能發電廠的發電效率對於目前台灣再生能源發展政策，甚至是全球的環保趨勢皆能有所幫助。本研究欲探討影響台灣本島地區之太陽能發電廠的因素分析。以階層迴歸分析法，依序將日照時數、溫度、裝置容量、區域虛擬變數、空氣汙染變數、區域虛擬變數與空氣汙染變數交互作用之調節變數陸續加入模型中，分析其對於應變數平均每裝置容量之發電量的影響，結果顯示日照時數、溫度及裝置容量具有顯著的正相關；中部地區、雲嘉南地區則呈現負相關。而區域虛擬變數與空氣汙染變數之交互作用項次放入模型後，可證實空氣

汙染對中部地區及雲嘉南地區有顯著的調節效果。 本研究證實日照時數對於太陽能發電廠的高度正相關性，於設置太陽能發電廠時應以該地區之日照為首要考量，再加上裝置容量對平均每裝置容量之發電量亦呈現顯著正相關關係，顯示太陽能電廠發電效率與裝置容量之兼具規模經濟之效益，因此仍須將裝置容量在法規限制的範圍內盡量提升以利更佳提升發電量。此外，由於台灣溫度對太陽能發電廠的發電量是正相關的，溫度及日照時數皆高的高屏地區，相當適合設置太陽能發電廠，而雲嘉南地區因冬季位屬背風侧，擴散條件差，汙染物濃度易上升；中部地區亦有工業污染及台中火力發電廠等，至其空氣污染造成調節效果，影響太陽能發電量，在全世界淨零碳排的趨

勢下，降低空氣汙染不僅維護人民安全，又能提高太陽能發電量，顯然是目前台灣亟待改善的重要議題。