10.3969/j.issn.1673-1328.2022.28.008
基于双向循环神经网络的空气质量预测模型的实现
近年来环境问题被越来越多人关注,相对于空气质量的预测也渐渐变得日趋重要.基于传统的机器学习构建的空气质量预测模型也投入了实际应用,但对于动态存在的污染物质,传统机器学习构成的模型对于数据的有效性存在不足.针对这个问题提出一种以双向循环神经网络为主,卷积神经网络为辅的一种预测模型.若单纯应用双向循环神经网络进行预测相较于增加了一维卷积神经网络,后者提高了4%的被解释方差.新模型相较于传统的线性回归、最小角回归、贝叶斯回归提升了20%~50%的被解释方差.
机器学习、双向循环神经网络、卷积神经网络
TP181;X831(自动化基础理论)
广东省科技创新战略专项目pdjh2022b0827
2022-10-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
25-28