本文主要研究内容
作者秦东明,丁志军,金玉鹏,赵勤（2019）在《基于自编码网络的空气污染物浓度预测》一文中研究指出：深度学习为城市空气污染物浓度预测提供了更为强大的数据拟合能力,为空气污染预测提供全新的智能计算方法.为此,提出了一个基于自编码神经网络的污染物浓度预测模型AEPP(auto-encoder-based pollutant prediction).该模型包括编码器和解码器两个部分.其中,编码器用于提取出时间序列污染物浓度数据分布特征,即语境向量;解码器利用提取的特征预测未知时间内污染物浓度数据.模型中编码器和解码器采用多层LSTM(long short-term memory)模型结构,实现长时间依赖预测目标.实验表明,提出的模型可以提高对污染物浓度的预测水平.
Abstract
shen du xue xi wei cheng shi kong qi wu ran wu nong du yu ce di gong le geng wei jiang da de shu ju ni ge neng li ,wei kong qi wu ran yu ce di gong quan xin de zhi neng ji suan fang fa .wei ci ,di chu le yi ge ji yu zi bian ma shen jing wang lao de wu ran wu nong du yu ce mo xing AEPP(auto-encoder-based pollutant prediction).gai mo xing bao gua bian ma qi he jie ma qi liang ge bu fen .ji zhong ,bian ma qi yong yu di qu chu shi jian xu lie wu ran wu nong du shu ju fen bu te zheng ,ji yu jing xiang liang ;jie ma qi li yong di qu de te zheng yu ce wei zhi shi jian nei wu ran wu nong du shu ju .mo xing zhong bian ma qi he jie ma qi cai yong duo ceng LSTM(long short-term memory)mo xing jie gou ,shi xian chang shi jian yi lai yu ce mu biao .shi yan biao ming ,di chu de mo xing ke yi di gao dui wu ran wu nong du de yu ce shui ping .
论文参考文献
论文详细介绍
论文作者分别是来自同济大学学报(自然科学版)的秦东明,丁志军,金玉鹏,赵勤，发表于刊物同济大学学报(自然科学版)2019年05期论文，是一篇关于空气污染预测论文,自编码模型论文,深度学习论文,数值分析论文,同济大学学报(自然科学版)2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自同济大学学报(自然科学版)2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：空气污染预测论文; 自编码模型论文; 深度学习论文; 数值分析论文; 同济大学学报(自然科学版)2019年05期论文;