本文主要研究内容
作者贾春光（2019）在《深度学习在PM2.5预测中的应用》一文中研究指出：近年来,随着我国环境保护措施的不断加强,如何有效控制大气污染也越来越重要,而PM2.5作为污染物的重要来源也提上日程,因此对PM2.5做有效的预测具有重要的现实意义和社会价值。收集2015年1月1日到2019年3月10日昆明市空气质量指数信息,首先利用传统的时间序列模型预测PM2.5,接下来设计LSTM循环神经网络PM2.5预测模型。实验结果表明:与传统的时间序列序列相比,LSTM模型预测精度更高,具有较强的实用性。
Abstract
jin nian lai ,sui zhao wo guo huan jing bao hu cuo shi de bu duan jia jiang ,ru he you xiao kong zhi da qi wu ran ye yue lai yue chong yao ,er PM2.5zuo wei wu ran wu de chong yao lai yuan ye di shang ri cheng ,yin ci dui PM2.5zuo you xiao de yu ce ju you chong yao de xian shi yi yi he she hui jia zhi 。shou ji 2015nian 1yue 1ri dao 2019nian 3yue 10ri kun ming shi kong qi zhi liang zhi shu xin xi ,shou xian li yong chuan tong de shi jian xu lie mo xing yu ce PM2.5,jie xia lai she ji LSTMxun huan shen jing wang lao PM2.5yu ce mo xing 。shi yan jie guo biao ming :yu chuan tong de shi jian xu lie xu lie xiang bi ,LSTMmo xing yu ce jing du geng gao ,ju you jiao jiang de shi yong xing 。
论文参考文献
论文详细介绍
论文作者分别是来自现代计算机的贾春光，发表于刊物现代计算机2019年18期论文，是一篇关于时间序列论文,深度学习论文,模型论文,现代计算机2019年18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，资料来自现代计算机2019年18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：时间序列论文; 深度学习论文; 模型论文; 现代计算机2019年18期论文;