10.3969/j.issn.1673-1328.2023.07.022
基于LSTM融合神经网络预测模型研究
针对PM2.5预测中数据来源单一的问题,提出了 LSTM融合神经网络预测模型,首先对气候进行特征抽象,作为预测过程的额外输入,与LSTM网络协同分析.以北京市内监测站点2010-2014年间采集的污染数据和天气数据(采样间隔为1小时)进行实验,并将LSTM模型与其他预测模型进行对比,结果显示:该模型相较于LSTM模型RMSE降低了 11.6%,MAE降低了 14.86%,研究表明本文提出的LSTM融合模型具有更优的预测能力.
PM2.5预测、长短期记忆神经网络(LSTM)、气象
TP183(自动化基础理论)
2023-04-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
87-90