排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明：与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。 相似文献
2.
中国3个AERONET站点气溶胶大小的识别及特征分析 总被引：1，自引：0，他引：1
?ngstr?m波长指数a是判断气溶胶粒子大小的重要参数,但当气溶胶尺度分布不满足Junge分布时,仅用a不能很好的反映气溶胶粒子的尺度信息.利用Mie散射理论和AERONET站点实测资料分析说明在0.750.6;当a2>0.3时,多以粗粒子为主,Vfine/Vtotal<0.4.利用Gobbi气溶胶图解法分析显示SACOL站AOD的大值主要是由于沙尘气溶胶的影响造成的;香河站沙尘和细粒子气溶胶都会产生大值AOD,并且图解法可以很好的区分这两种情况;太湖站受沙尘的影响较小,大值AOD绝大多数是由于细粒子气溶胶造成的. 相似文献
1