节点文献
基于门控循环单元神经网络的PM2.5浓度预测
Prediction of PM2.5 concentration based on gated recurrent unit neural network
【摘要】 文章首先针对延安市市监测站单站点观测数据与PM2.5的关系,从中抽取了影响PM2.5较为明显的14组特征数据。依据所抽取的数据,利用LSTM深度神经网络的一种变体GRU建立了未来数小时的PM2.5浓度预测模型,通过仿真实验,该模型对PM2.5预测有较高的一致性,可以较好地满足日常预测业务需求。
【Abstract】 This paper firstly analyzes the relationship between single-site observation data and PM2.5 of Yan’an City Monitoring Station,and extracts 14 sets of characteristic data that affect PM2.5.Based on the extracted data, the GRU, a variant of the LSTM deep neural network, is used to establish a PM2.5 concentration prediction model for the next few hours. Through simulation experiments, the model has a high consistency for PM2.5 prediction, and goodly meet the daily forecast business needs.
【关键词】 PM2.5浓度预测；
LSTM；
GRU；
机器学习；
循环神经网络；
【Key words】 prediction of PM2.5 concentration； LSTM； GRU； machine learning； recurrent neural network；
【Key words】 prediction of PM2.5 concentration； LSTM； GRU； machine learning； recurrent neural network；
【基金】 国家自然科学基金;项目编号:61763046
- 【文献出处】 无线互联科技 ,Wireless Internet Technology , 编辑部邮箱 ,2019年04期
- 【分类号】TP183;X831
- 【被引频次】5
- 【下载频次】197