查询结果:   白盛楠,申晓留.基于LSTM循环神经网络的PM2.5预测[J].计算机应用与软件,2019,36(1):67 - 70,104.
中文标题
基于LSTM循环神经网络的PM2.5预测
发表栏目
应用技术与研究
摘要点击数
410
英文标题
PM2.5 PREDICTION BASED ON LSTM RECURRENT NEURAL NETWORK
作 者
白盛楠 申晓留 Bai Shengnan Shen Xiaoliu
作者单位
华北电力大学控制与计算机工程学院 北京 102200 华北电力大学能源互联网与电力大数据研究所 北京 102200    
英文单位
School of Control and Computer Engineering, North China Electric Power University, Beijing 102200, China Research Institute of Energy Internet and Electricity Big Data, North China Electric Power University, Beijing 102200, China    
关键词
空气质量 PM2.5预测 灰色关联度 循环神经网络 LSTM
Keywords
Air quality PM2.5 prediction Grey relational degree Recurrent neural network LSTM
基金项目
国家自然科学基金项目(71071053);北京市自然科学基金项目(9122021)
作者资料
白盛楠,硕士生,主研领域:数据挖掘,人工智能。申晓留,教授。 。
文章摘要
PM2.5要素对空气质量影响较大。PM2.5浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM2.5预测指标,提出基于LSTM循环神经网络的PM2.5预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM2.5预测模型,实现PM2.5日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM2.5的日值变化趋势。
Abstract
PM2.5 factor has a great influence on air quality. PM2.5 concentration change is the result of many factors, and the process is sudden, nonlinear, and has obvious uncertainty, so it is difficult to use traditional methods to predict. To solve this problem, a PM2.5 prediction model based on LSTM recurrent neural network was proposed with meteorological and atmospheric pollutant factors as PM2.5 prediction indicators. We used the grey correlation analysis method to analyze the correlation intensity of several meteorological and atmospheric pollution indicators. The data was smoothed and the time series problem was treated as a supervisory problem. We built a multi-variable LSTM recurrent neural network PM2.5 prediction model to achieve accurate prediction of PM2.5 concentration. We used the meteorological data and air pollutant data of Beijing from 2010 to 2017 to simulate the experiment. The results show that the model can better predict the daily variation trend of PM2.5.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
改进ABC分类管理法的助航灯光备件管理
于之靖
应用技术与研究
2019
7
59
[摘要]
2
基于Fluent和LSTM神经网络的超声波测风仪阴影效应补偿研究
任晓晔
应用技术与研究
2019
7
89
[摘要]
3
基于改进卷积神经网络的单幅图像物体重建方法
张玉麒
图像处理与应用
2019
6
190
[摘要]
4
基于门控单元循环神经网络的台风路径预测
徐高扬
人工智能与识别
2019
5
119
[摘要]
5
采用BI-LSTM-CRF模型的数值信息抽取
王竣平
人工智能与识别
2019
5
138
[摘要]
6
基于多示例遗传神经网络的室内PM2.5预测
陈成
算法
2019
5
235
[摘要]
7
基于BILSTM_CRF的知识图谱实体抽取方法
翟社平
算法
2019
5
269
[摘要]
8
基于CNN-LSTM网络的声纹识别研究
闫河
人工智能与识别
2019
4
166
[摘要]
9
基于注意力机制的循环神经网络评价对象抽取模型
杨善良
人工智能与识别
2019
3
202
[摘要]
10
基于深度学习的伺服系统状态预测算法
张鹏
算法
2019
3
236
[摘要]
11
基于LSTM循环神经网络的PM2.5预测
白盛楠
应用技术与研究
2019
1
67
[摘要]
12
基于双向LSTM的电网调度日志分类
徐家慧
应用技术与研究
2019
1
142
[摘要]
13
基于LSTM/NN的道岔故障特征提取与识别研究
唐维华
应用技术与研究
2019
1
159
[摘要]
14
文本情感分析的深度学习方法
邢长征
数据工程
2018
8
102
[摘要]
15
融合气象参数及污染物浓度的空气质量预测方法
万永权
应用技术与研究
2018
8
113
[摘要]
16
基于多时间尺度RNN的时序数据预测
李洁
软件技术与研究
2018
7
33
[摘要]
17
基于Bi-LSTM和分布式表示的网页主题相关度计算
王锋
数据工程
2018
7
57
[摘要]
18
雾霾影响下的光伏发电系统的可视化分析平台研究
裴雨清
应用技术与研究
2018
6
88
[摘要]
19
基于正则化LSTM模型的股票指数预测
任君
数据工程
2018
4
44
[摘要]
20
基于深度学习的电力大数据融合与异常检测方法
刘冬兰
数据工程
2018
4
61
[摘要]
21
基于LSTM和Kalman滤波的公交车到站时间预测
范光鹏
应用技术与研究
2018
4
91
[摘要]
22
基于注意力的BiLSTM-CNN中文微博立场检测模型
白静
算法
2018
3
266
[摘要]
23
基于LSTM-Adaboost的多晶硅生产的能耗预测
郭久俊
应用技术与研究
2018
12
71
[摘要]
24
基于自动文摘的答案生成方法研究
胡迁
人工智能与识别
2018
12
187
[摘要]
25
基于深度学习的图片问答系统设计研究
周远侠
人工智能与识别
2018
12
199
[摘要]
26
基于LSTM深度神经网络的精细化气温预报初探
倪铮
人工智能与识别
2018
11
233
[摘要]
27
基于Leap Motion手势识别方法在树木交互的应用
王红全
人工智能与识别
2018
10
153
[摘要]
28
运用双向LSTM拟合RNA二级结构打分函数
王帅
算法
2017
9
232
[摘要]
29
基于RNN进行面向主题的特征定位方法
尹春林
软件技术与研究
2017
6
12
[摘要]
30
一种新的彩色图像脉冲噪声滤波算法
李庆利
图像处理与应用
2016
9
208
[摘要]