[00101128]基于长短期记忆神经网络的空气质量时空预测方法
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明公开一种基于长短期记忆神经网络的空气质量时空预测方法。本发明整合实验站点及最近相邻站点的颗粒物浓度数据、同时期的气象数据及气态污染物数据,转换为监督学习的数据格式,对数据进行归一化处理,利用长短期记忆网络训练数据,得到空气质量浓度的预测序列。包括以下步骤：S1：获取历史空气质量数据和气象数据；S2：对历史空气质量进行数据预处理,包括异常值剔除、缺失值插值处理、相邻站点颗粒物浓度数据的提取以及数据归一化；S3：转换数据格式,从序列到输入和输出序列对；S4：划分数据集为训练集和测试集及初始化长短期记忆网络各种超参数；S5：通过在测试集上的预测检验模型效果。该发明方法能够提高空气质量数据的预测精度。
