基于门控循环单元神经网络的PM2.5浓度预测

论文摘要

文章首先针对延安市市监测站单站点观测数据与PM2.5的关系,从中抽取了影响PM2.5较为明显的14组特征数据。依据所抽取的数据,利用LSTM深度神经网络的一种变体GRU建立了未来数小时的PM2.5浓度预测模型,通过仿真实验,该模型对PM2.5预测有较高的一致性,可以较好地满足日常预测业务需求。

论文目录

• 1 数据分析
•   1.1 准备数据
•   1.2 特征分析
• 2 基于GRU的PM2.5浓度预测模型
•   2.1 门控循环单元
•   2.2 PM2.5浓度预测模型
•   2.3 模型评价指标
• 3 仿真实验
•   3.1 模型训练
•   3.2 仿真实验与结果分析
• 4 结语

文章来源

类型: 期刊论文

作者: 王玮,王文发,张哲

关键词: 浓度预测,机器学习,循环神经网络

来源: 无线互联科技 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 环境科学与资源利用,自动化技术

单位: 延安大学数学与计算机科学学院

基金: 国家自然科学基金,项目编号:61763046

分类号: TP183;X831

页码: 29-32

总页数: 4

文件大小: 2002K

下载量: 165