林澔、陳源安、楊朝棟、姜自強(2019)，基於深度學習技術應用於空氣品質 PM2.5預測，TANET 2019 - 臺灣網際網路研討會
陳柔安(2018)，PM2.5細懸浮微粒之時間序列巨量數據分析應用於污染趨勢與源解析，國立交通大學環境工程研究所碩士論文林冠名(2018)，在大數據平台使用機器學習方法預測空氣汙染，國立臺北大學資訊工程學系碩士論文曾彥志(2016) ，使用 Hadoop 技術建立巨量資料分析 處理模型：以空氣汙染資料為例，南臺科技大學 資訊管理系碩士班 碩士學位論文洪煜能(2016)，使用大數據分析空氣品質感測數據最適化取樣地點，國立宜蘭大學多媒體網路通訊數位學習碩士在職專班碩士論文張睿舫(2019)，使用非負矩陣分解研究臺灣中部地區之空氣汙染，國立中興大學應用數學系碩士學位論文李哲睿(2019)，以法人籌碼預測台指期貨價格－LSTM 模型之應用，天主教輔仁大學金融與國際企業學系 金融碩士班碩士論文張嘉文(2019) ，以 LSTM 模型預測台指期 1 分鐘漲跌結果，國立臺北大學統計學系 碩 士 論 文
詹政軒(2019)，基於深度學習來預測電影票房之時間序列，國立台北科技大學電機工程系碩士班碩士學位論文蔡淳晴(2019)，應用機器學習機制於物件影像辨識之研究-以TensorFlow為例，國防大學管理學院資訊管理學系碩士班碩士論文羅婉甄(2020)，運用長短期記憶網路演算法建構公部門船用油料庫儲需求量預測模型，國防大學管理學院運籌管理學系碩士班碩士論文郭欣致(2019) ，使用R語言分析空污之研究：以雲林縣為例，國立虎尾科技大學 資訊管理系碩士班 碩 士 論 文詹長權(2012)，100 年度沿海地區空氣汙染物及 環境健康世代研究計畫期末報告，雲林縣環境保護局
行政院環境保護署(2019)，中華民國 空氣品質監測報告 108 年年報
謝依儒(2016)，國人十大癌症死因 可能大部分都與細懸浮微粒(如 PM2.5)有關，家醫科公益演講會新聞稿，chimei.org.tw/ePhotoAlbum/files/BF759E2A5D99C6872E473BED2915FF85.pdf
商俊盛(2018)，酸雨，科學研習月刊46-4，p11-p14
IQAir AirVisual (2019)，2018年全球污染最嚴重的城市-PM2.5濃度排名| AirVisual，https://www.iqair.com/tw/world-most-polluted-cities
莉森揪(2018)，[實戰系列] 使用 Keras 搭建一個 LSTM 魔法陣（模型），https://ithelp.ithome.com.tw/articles/10206312
陳 亦云(2019) ， 2019全球空氣狀況報告：空氣污染讓人均預期壽命減少20個月 | Heho健康，https://heho.com.tw/archives/46421
陳佳君(2019)，空汙季來臨！2019上半年「抗紅害」全台體檢，https://newslab.pts.org.tw/news/102-空汙季來臨！2019上半年「抗紅害」全台體檢
李依涵(2018)，全球每年 700 萬人致死！WHO 警告：空氣污染是「新菸害」，https://tomorrowsci.com/environment/世界衛生組織-警告-空氣污染-新菸害/
林敬恆(2019) ，AI來襲！三分鐘看懂人工智慧，https://makerpro.cc/2019/05/introduction-to-ai/
TNL 編輯(2013)，世界衛生組織宣布：空氣汙染會致癌！ - The News Lens 關鍵評論網，https://www.thenewslens.com/article/742
行政院環境保護署，常見的室內空氣汙染物，https://iaq.epa.gov.tw/indoorair/page/News_6_2.aspx
GGWithRabitLIFE (2018)，[機器學習ML NOTE]SGD, Momentum, AdaGrad, Adam Optimizer，https://medium.com/雞雞與兔兔的工程世界/機器學習ml-note-sgd-momentum-adagrad-adam-optimizer-f20568c968db
Ruder, S. (2016). An overview of gradient descent optimization algorithms. arXiv preprint arXiv:1609.04747.
Jiao, Y., Wang, Z., & Zhang, Y. (2019, May). Prediction of Air Quality Index Based on LSTM. In 2019 IEEE 8th Joint International Information Technology and Artificial Intelligence Conference (ITAIC) (pp. 17-20). IEEE.
Jiao, Y., Wang, Z., & Zhang, Y. (2019, May). Prediction of Air Quality Index Based on LSTM. In 2019 IEEE 8th Joint International Information Technology and Artificial Intelligence Conference (ITAIC) (pp. 17-20). IEEE.
Tao, Q., Liu, F., Li, Y., & Sidorov, D. (2019). Air pollution forecasting using a deep learning model based on 1D convnets and bidirectional GRU. IEEE Access, 7, 76690-76698.
Ma, J., Ding, Y., Gan, V. J., Lin, C., & Wan, Z. (2019). Spatiotemporal prediction of PM2. 5 concentrations at different time granularities using IDW-BLSTM. IEEE Access, 7, 107897-107907.
Ruder, S. (2016). An overview of gradient descent optimization algorithms. arXiv preprint arXiv:1609.04747.
Keras. Retrieved from https://keras.io/
Gers, F. A., Schraudolph, N. N., & Schmidhuber, J. (2002). Learning precise timing with LSTM recurrent networks. Journal of machine learning research, 3(Aug), 115-143.
Google Cloud,”AI and machine learning products”. Retrieved from https://cloud.google.com/blog/products/ai-machine-learning
Jason Brownlee (2019),” How to Choose Loss Functions When Training Deep Learning Neural Networks”. Retrieved from https://machinelearningmastery.com/how-to-choose-loss-functions-when-training-deep-learning-neural-networks/
Supervise.ly (2017),” [Lecture] Evolution: from vanilla RNN to GRU & LSTMs”. Retrieved from https://towardsdatascience.com/lecture-evolution-from-vanilla-rnn-to-gru-lstms-58688f1da83a