首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  免费   2篇
评价与监测   2篇
  2023年   1篇
  2022年   1篇
排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成:GRA,用于PM2.5浓度影响因素变量筛选;ICEEMD,用于PM2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM2.5浓度预测。预测结果表明:淄博市中部丘陵地带PM2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM2.5浓度受PM10和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...  相似文献   
2.
通过图像预测PM2.5浓度的准确性,在很大程度上取决于模型所选用的特征参数。为丰富特征参数的表达,设计了一种基于图像传统特征与深度特征充分融合的PM2.5浓度预测方法。首先,根据不同PM2.5浓度下的成像差异,选定图像感兴趣区域,解决图像尺寸过大导致的模型运算效率较低问题。然后,针对所选取的局部图像,利用传统图像处理方法手动设计并提取图像浅表视觉特征,同时利用卷积神经网络自动提取图像深层语义特征。最后,将两种特征融合,交由卷积神经网络的全连接层实现对PM2.5浓度的回归预测。预测误差比对结果显示,相比使用单种特征,使用融合特征能够有效提高模型的预测性能。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号