基于深度学习的雾霾质量浓度预测研究

论文摘要

为有效地预测雾霾污染程度的主要评价指标PM2.5质量浓度,文章使用Blending集成学习策略并行连接CNN与LSTM,并建立基于CNN-LSTM集成学习的PM2.5质量浓度预测模型。经过真实数据验证,该模型对PM2.5质量浓度预测具有有效性,且相较于串联CNN-LSTM预测模型具有优越性。

论文目录

文章来源

类型: 期刊论文

作者: 王梓霖

关键词: 卷积神经网络,长短时间记忆网络,集成学习,质量浓度预测

来源: 无线互联科技 2019年10期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 环境科学与资源利用,自动化技术

单位: 西安建筑科技大学信息与控制工程学院

分类号: TP18;X513

页码: 110-112

总页数: 3

文件大小: 1575K

下载量: 142

相关论文文献

• [1].基于多元回归法的气体浓度预测方法[J]. 上海应用技术学院学报(自然科学版) 2013(01)
• [2].长短期记忆神经网络在叶绿素a浓度预测中的应用[J]. 海洋学报 2020(02)
• [3].环评中有毒有害气体泄漏浓度预测初探[J]. 环境工程 2009(S1)
• [4].基于神经网络的废气浓度预测模型设计与实现[J]. 电脑与信息技术 2008(04)
• [5].基于GCM(1,N)自适应关联组合模型的PM_(2.5)浓度预测[J]. 矿业科学学报 2017(04)
• [6].基于时空因素下MRMR-SVR模型的PM_(2.5)浓度预测[J]. 科学技术创新 2020(33)
• [7].基于混合模型的PM2.5日浓度预测[J]. 统计与决策 2019(05)
• [8].基于B-P神经网络优化算法的城市环境空气中PM_(10)浓度预测模型[J]. 环境保护科学 2008(01)
• [9].一种融合多特征聚类与神经网络的PM_(2.5)小时浓度预测新模型及其在中国城市的应用[J]. Engineering 2020(08)
• [10].基于提升树的PM2.5浓度预测模型[J]. 软件 2018(10)
• [11].基于长短期记忆网络-卷积神经网络(LSTM-CNN)的北京市PM_(2.5)浓度预测[J]. 环境工程 2020(06)
• [12].基于随机森林回归分析的PM2.5浓度预测模型[J]. 电信科学 2017(07)
• [13].关于空气中PM2.5质量浓度预测研究[J]. 计算机仿真 2016(03)
• [14].基于深度学习的城市大气PM2.5浓度预测研究[J]. 现代计算机 2020(12)
• [15].应用CNN-Seq2seq的PM2.5未来一小时浓度预测模型[J]. 小型微型计算机系统 2020(05)
• [16].基于LIBSVM的PM2.5浓度预测模型[J]. 洛阳理工学院学报(自然科学版) 2017(02)
• [17].利用太赫兹光谱定量分析固体混合物[J]. 清华大学学报(自然科学版)网络.预览 2009(02)
• [18].单因变量PLS模型在PM2.5实时浓度预测中的应用[J]. 计算机仿真 2017(10)
• [19].高压静电催化耦合净化空气中的臭氧控制及其室内浓度预测模型[J]. 环境工程学报 2017(07)
• [20].基于近红外检测技术建立发酵过程中L-色氨酸浓度预测模型[J]. 生物技术通讯 2016(03)
• [21].基于支持向量机回归的城市PM_(2.5)浓度预测[J]. 计算机工程与设计 2015(11)
• [22].基于GM-ARMA组合模型的PM2.5浓度预测——以扬州市为例[J]. 南通职业大学学报 2018(04)
• [23].基于PSO-LSSVM的浓缩池溢流水浓度预测[J]. 中国煤炭 2017(08)
• [24].基于门控循环单元神经网络的PM_(2.5)浓度预测[J]. 无线互联科技 2019(04)
• [25].面向多源数据沈阳市PM2.5浓度预测研究及实证分析[J]. 系统工程 2018(05)
• [26].基于长短时记忆神经网络的带钢酸洗浓度预测[J]. 自动化与仪表 2019(05)
• [27].基于BP-RBF组合神经网络的废气监测盲区SO_2浓度预测[J]. 测试技术学报 2018(03)
• [28].基于神经网络信息融合隧道CO浓度预测研究[J]. 信息技术 2013(09)
• [29].基于PLS-M5P模型的PM_(2.5)浓度预测[J]. 计算机与应用化学 2018(12)
• [30].基于DWT-GRU模型的天津市NO_2浓度预测研究[J]. 环境科学与技术 2020(06)

标签：卷积神经网络论文;  长短时间记忆网络论文;  集成学习论文;  质量浓度预测论文;