基于混合深度神经网络的大气污染预测

• 作者: 宋耀宇
• 来源期刊: 信息与电脑
• 学科: 地球科学
• 关键词: 混合深度神经网络 大气污染物浓度预测 细颗粒物(PM2.5)
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 人工智能与识别技术
• 页码范围: 99-101
• 页数: 3页
• 分类号: X51
• 语种: 中文

摘要

城市空气污染物分布受各种因素的影响,准确预测空气污染物分布情况可以提高环境管理的决策能力,防止严重空气污染事件的发生.基于大量的气象数据和深度学习技术,笔者提出了一种新的大气污染物浓度预测方法.该方法使用卷和、神经网络作为基础层的设计,可自动提取输入数据的特征.输出层运用一个长短时记忆网络,以保证时间依赖性.通过性能优化,该模型可以按时间序列预测未来的细颗粒物(PM2.5)质量浓度.使用郑州市的历史气象数据,将模型预测结果与实际结果进行比较;实验结果表明,与经典深度学习模型相比,该算法提高了预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋耀宇		1	0	0.0	0.0