基于LSTM的空气质量预测

• 作者: 徐海超 陈良
• 来源期刊: 电工技术
• 学科: 工学
• 关键词: 空气质量 LSTM模型 深度学习 神经网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 系统解决方案
• 页码范围: 127-128
• 页数: 2页
• 分类号: TP393
• 字数: 691字
• 语种: 中文
• DOI: 10.19768/j.cnki.dgjs.2020.06.051

摘要

文章基于LSTM(Long Short-Term Memory)深度学习模型构建一种新的空气质量等级评估方法,并预测空气质量,从而对可能发生的污染来源进行预测,以便更好地改善人们生活环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈良	苏州大学机电工程学院	28	73	4.0	8.0
2	徐海超	苏州大学机电工程学院	1	0	0.0	0.0