基于混合深度神经网络的大气污染预测

基于混合深度神经网络的大气污染预测

论文摘要

城市空气污染物分布受各种因素的影响,准确预测空气污染物分布情况可以提高环境管理的决策能力,防止严重空气污染事件的发生。基于大量的气象数据和深度学习技术,笔者提出了一种新的大气污染物浓度预测方法。该方法使用卷积神经网络作为基础层的设计,可自动提取输入数据的特征。输出层运用一个长短时记忆网络,以保证时间依赖性。通过性能优化,该模型可以按时间序列预测未来的细颗粒物(PM2.5)质量浓度。使用郑州市的历史气象数据,将模型预测结果与实际结果进行比较;实验结果表明,与经典深度学习模型相比,该算法提高了预测性能。

论文目录

  • 0 引言
  • 1 基本相关理论
  •   1.1 卷积神经网络
  •   1.2 长短时记忆网络
  • 2 基于深度学习的预测模型
  •   2.1 预测模型构建
  •   2.2 训练模型
  • 3 实验与结果分析
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 宋耀宇

    关键词: 混合深度神经网络,大气污染物浓度预测,细颗粒物

    来源: 信息与电脑(理论版) 2019年24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: 华北水利水电大学

    分类号: TP183;X831

    页码: 99-101

    总页数: 3

    文件大小: 1930K

    下载量: 248

    相关论文文献

    • [1].化学与湍流团聚耦合促进燃煤细颗粒物团聚与脱除[J]. 化工学报 2020(03)
    • [2].秸秆覆盖对农田土壤风蚀及细颗粒物释放的影响[J]. 水土保持学报 2020(04)
    • [3].抵御车内细颗粒物 马勒推出智能空调[J]. 汽车零部件 2020(09)
    • [4].国内外细颗粒物监测评价方法对比及启示[J]. 环境保护科学 2019(03)
    • [5].细颗粒物控制技术现状研究[J]. 节能与环保 2019(09)
    • [6].垂直壁面附近细颗粒物热泳效应实验研究[J]. 中国粉体技术 2017(06)
    • [7].基于3D表皮模型雾霾和烟花集中燃放天气细颗粒物对皮肤刺激性的影响及方法比较[J]. 毒理学杂志 2018(05)
    • [8].大气细颗粒物与心功能的研究进展[J]. 中西医结合心脑血管病杂志 2016(21)
    • [9].大气中细颗粒物对人类健康的影响[J]. 山东化工 2016(23)
    • [10].杭州市冬春季大气细颗粒物中多环芳烃的粒径分布特征及细胞毒性研究[J]. 环境污染与防治 2017(02)
    • [11].高校教室自然通风下细颗粒物运动分布规律研究[J]. 建材与装饰 2017(02)
    • [12].大气细颗粒物监测技术研究[J]. 中国战略新兴产业 2017(16)
    • [13].大气细颗粒物组成分析研究[J]. 中国战略新兴产业 2017(16)
    • [14].利用代谢组学研究大气细颗粒物的生殖毒性效应[J]. 分析化学 2017(05)
    • [15].21世纪以来天津细颗粒物气象扩散能力趋势分析[J]. 中国环境科学 2017(06)
    • [16].细颗粒物[J]. 中国地方病防治杂志 2015(06)
    • [17].齐齐哈尔细颗粒物治理策略[J]. 黑龙江环境通报 2015(04)
    • [18].细颗粒物[J]. 武汉勘察设计 2016(01)
    • [19].雾霾对特殊人群影响亟需关注[J]. 环境与生活 2017(01)
    • [20].抵抗雾霾,我们拥有改变未来的力量[J]. 分忧 2017(02)
    • [21].怎么预防可吸入细颗粒物的危害?[J]. 药物与人 2013(05)
    • [22].北京地区2013–2017年细颗粒物爆发增长事件的演变特征及气象成因分析(英文)[J]. Atmospheric and Oceanic Science Letters 2020(01)
    • [23].泸州城区大气细颗粒物时空分布特征及变化规律[J]. 西南大学学报(自然科学版) 2020(01)
    • [24].广州大气细颗粒物中半挥发性有机污染物的快速筛查[J]. 地球化学 2020(03)
    • [25].玉米须对大气细颗粒物的吸附及监测潜能分析[J]. 农业环境科学学报 2020(06)
    • [26].长沙市2019年12月一次重污染过程细颗粒物组分特征及成因分析[J]. 江西科学 2020(04)
    • [27].宣城市区秋季大气细颗粒物组分特征及来源解析[J]. 绿色科技 2020(14)
    • [28].行业企业[J]. 汽车与驾驶维修(维修版) 2020(09)
    • [29].2016—2017年乌鲁木齐市大气细颗粒物中铝污染现状及其健康风险评价[J]. 职业与健康 2019(04)
    • [30].外场作用强化细颗粒物团聚除尘技术研究现状与展望[J]. 环境工程 2019(05)

    标签:;  ;  ;  

    基于混合深度神经网络的大气污染预测
    下载Doc文档

    猜你喜欢