NLSTM在时空特征预测中的应用

在实际生活中，存在许多需要对数据进行建模的场景。例如：对基站数据进行建模，能了解基站的负载以及用户的流量，让运营商能够及时调整该范围内的基站数量；对交通数据进行建模能够使管理部门更好地治理拥堵路段；对气象数据进行建模能够预测污染物的浓度。总而言之，对空间时序数据进行建模，抽取特征挖掘深层关系，并加以预测，能让决策者更地做出相应的判断。本文以气象数据为例，用NLSTM网络对清洗之后的空间时序数据进行建模，从而来预测污染物的浓度，而且网络可以轻松地拓展到其他空间时序数据预测场景中。