基于深度神经网络的空气质量预测系统

• 作者: 党鑫 康兵兵
• 来源期刊: 哈尔滨商业大学学报（自然科学版）
• 学科: 工学
• 关键词: 栈式自编码网络 空气质量 预测 深度学习 机器学习 神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 322-326
• 页数: 5页
• 分类号: TP305
• 字数: 2648字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0946.2019.03.015

摘要

提出了使用深度栈式自编码模型进行空气质量预测.选择了PM2.5、PM10等污染物数据作为样本.本模型基于Java平台构建,进行了训练和参数调整,建立了最优的空气预测模型.根据北京市的实验结果表明,该模型具有良好的精度.与支持向量回归(SVR)模型和线性回归模型相比,本文提出的模型具有优越的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	党鑫	天津工业大学计算机科学与软件学院	5	8	1.0	2.0
2	康兵兵	天津工业大学计算机科学与软件学院	1	1	1.0	1.0