基于长短期记忆网络的城市建筑垃圾产量预测

• 作者: 刘弘昱 吴晓南 孙柯华 王伟 蔡婷 郑虢
• 来源期刊: 华东交通大学学报
• 学科: 交通运输
• 关键词: 建筑垃圾 LSTM网络 时间序列预测 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 交通基础设施
• 页码范围: 28-35
• 页数: 8页
• 分类号: U294.1+3|TU993.3
• 语种: 中文

摘要

为了有效解决建筑垃圾预测问题,从有限样本点的单变量时序数据出发,提出一种基于3层长短期记忆(LSTM)网络的时间序列预测方法,涉及Dropout层与网络结构设计、网络训练与预测过程实现算法等.并以上海市建筑垃圾统计数据为例进行数值实验,通过与其他时间序列预测模型的实验对比,验证了LSTM预测模型在建筑垃圾产量预测的有效性和准确性.