10.16526/j.cnki.11-4762/tp.2019.03.044
基于LSTM的PM2.5浓度预测模型
随着近年雾霾天气的频繁出现,空气质量开始越来越受到公众关注;PM2.5浓度指数是判断空气质量的重要指标,如何根据历史数据有效地预测空气中PM2.5浓度,具有很高的应用价值;分析以往空气质量数据表明,PM2.5浓度有明显的非线性和不确定性波动,很难用传统机器学习算法有效地预测;文章基于LSTM循环神经网络,依据过去20小时采集的空气数据,预测未来5小时的PM2.5浓度指数;实验结果表明,LSTM可以有效地捕获空气质量的时序特征,较准确预测出未来时刻的PM2.5浓度指数.
PM2.5、LSTM循环神经网络、时序特征
27
TP399(计算技术、计算机技术)
国家自然科学基金面上项目61170112;北京市自然科学基金项目4172016;北京市教委科研计划面上项目KM201710011006
2019-08-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
215-219