10.20009/j.cnki.21-1106/TP.2020-1100
融合双向GRU的空气质量数据缺失补充算法
随着我国环境监测体系的进一步发展,环境监管已经建成了以标准监测站为主,微型监测站为辅的环境监测体系.但是微型监测站的数据采集过程中由于一些不可控的因素所导致的数据缺失是不可避免的,而这些数据缺失对分析和挖掘这些监测数据造成了一定的影响.本文针对这种空气质量监测数据的缺失问题提出了一种融合双向GRU的数据缺失补充算法.该算法采用1个正向的GRU网络和1个反向的GRU网络并且使用集成学习的思想来分析缺失数据前向和后向的特征,从而获得缺失数据的补充数据.文章使用沈阳市位于不同区域的3个微型监测站的监测数据进行实验,实验表明,融合双向GRU的空气质量监测数据缺失补充算法相比于传统的均值补差法和单向的GRU插值法具备更好的缺失数据补充效果.
GRU、数据缺失、环境监测、插值
43
TP391(计算技术、计算机技术)
水体污染控制与治理科技重大专项2012ZX07505
2022-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
1345-1349