|
|||||
|
|
| 长短时记忆神经网络模型在空气污染预测中的研究 | |
| 作者姓名： | 周宁 李铁军 郝崇清 路继勇 刘朝阳 |
| 作者单位： | 河北科技大学电气工程学院 |
| 摘 要： | 基于K均值(K-Means)聚类算法进行聚类分析,将气象条件分为三类,并且分析和阐述各类气象条件的特征.针对气象监测数据和空气污染物的时间序列特点,设计基于长短时记忆(LSTM)神经网络的空气污染预测模型.将时空相关性与长短时记忆神经网络算法进行有效的融合,提出基于时空相关性的长短时记忆(SK-LSTM)神经网络的空气污染预测模型.通过空间划分,空间聚集以及空间插值,获得目标区域和周围区域的历史空气质量检测数据和历史气象监测数据,然后通过等权融合方法将时间数据和空间数据进行融合,并将其作为SK-LSTM神经网络算法的输入,最终输出的结果为带有区域协调的污染物浓度预测值.该算法能有效对空气中污染物的浓度进行更准确、高效的预测.最后通过数值仿真验证所提算法的有效性. |
| 关 键 词： | K-Means聚类算法 长短时记忆神经网络 空气污染预测 时空相关性 |