基于深度学习的PM2.5预测模型建立

• 作者: 丁琳 刘勇 崔相辉 张丰 李增顺 谢剑锋 赵起超 郝震寰
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 深度学习 深度置信网络 PM2.5 气溶胶光学厚度 气象参数
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 学术研讨
• 页码范围: 22-27
• 页数: 6页
• 分类号: P258
• 字数: 4323字
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2017.06.006

摘要

本文以京津冀地区为例,选择大气气溶胶光学厚度AOD(Aerosol Optical Depth)和气象参数为影响因子,建立基于深度置信网络DBN(Deep Belief Nets)的PM2.5预测模型,对PM2.5进行有效预测,并与BP神经网络预测结果对比,最后形成整个京津冀地区的PM2.5预测专题图.实验结果表明基于深度学习的置信网络对PM2.5浓度预测效果比BP神经网络更佳,预测精度有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丰		8	33	3.0	5.0
2	谢剑锋		5	19	3.0	4.0
3	李增顺		3	17	2.0	3.0
4	刘勇		3	17	2.0	3.0
5	郝震寰		5	21	3.0	4.0
6	赵起超		3	10	1.0	3.0
7	崔相辉	山东科技大学测绘科学与工程学院	2	13	2.0	2.0
8	丁琳		1	10	1.0	1.0