| 一种高精度LSTM-FC大气污染物浓度预测模型 |
| |
| 引用本文： | 刘梦炀,武利娟,梁慧,段旭磊,刘尚卿,高一波.一种高精度LSTM-FC大气污染物浓度预测模型[J].计算机科学,2021,48(z1):184-189. |
| |
| 作者姓名： | 刘梦炀 武利娟 梁慧 段旭磊 刘尚卿 高一波 |
| |
| 作者单位： | 天津中科智能技术研究院 天津 300300;上海大学计算机工程与科学学院 上海200444;天津中科智能技术研究院 天津 300300;中国科学院自动化研究所 北京 100190 |
| |
| 摘 要： | 大气污染已经严重影响到人们的生活和健康,大气治理势在必行,探究大气污染物浓度变化的规律,实现污染物浓度预测,对指导大气治理工作具有重要意义.文中构建了一种基于长短期记忆神经网络(Long Short-Term Memory,LSTM)和全连接神经网络(Full Connected,FC)的混合神经网络模型,并提出了数据桶划分的训练方式来解决由于训练数据与预测数据存在较长时间间隔导致精度下降的问题,进而实现大气污染物浓度的预测.该模型具有较好的通用性和精度,充分结合了长短期记忆神经网络和全连接神经网络的优点,能够在多种污染物数据上实现精确预测.以天津市2013-2019年大气污染物数据实现模型的训练和预测,结果表明,混合神经网络模型在PM2.5,PM10,NO2,SO2,O3,CO 6种污染物浓度的预测上均可以达到R2>0.90,平均百分误差小于15％的效果,LSTM-FC模型在大气污染物预测中具有明显的优势,具有较高的实用价值.
|
| 关 键 词： | 混合神经网络模型 长短期记忆神经网络 全连接神经网络 污染物浓度预测 多维度特征融合 |
A Kind of High-precision LSTM-FC Atmospheric Contaminant Concentrations Forecasting Model |
| |
| LIU Meng-yang,WU Li-juan,LIANG Hui,DUAN Xu-lei,LIU Shang-qing,GAO Yi-bo.A Kind of High-precision LSTM-FC Atmospheric Contaminant Concentrations Forecasting Model[J].Computer Science,2021,48(z1):184-189. |
| |
| Authors: | LIU Meng-yang WU Li-juan LIANG Hui DUAN Xu-lei LIU Shang-qing GAO Yi-bo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
