《表2 不同层数的LSTM网络实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CEEMDAN-SE和LSTM神经网络的PM_(10)浓度预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过实验发现，增加LSTM网络的模型深度可有效改善模型的预测精度。因此，本文分别对不同的LSTM网络层数的模型进行实验，将新子序列的预测时间点前1天、前2天和前3天的数值与预测时间点的气象参数:温度、湿度、风向、风速、大气压作为每个LSTM网络的输入参数，对应预测时间点的新子序列的数值作为模型的输出，实验结果如表2所示。可知:适当增加LSTM网络层数可改善模型的预测精度。因此最终选取LSTM网络包含4个隐含层，每层的神经元个数为5、10、20、40，为防止模型过拟合，Drop Out层设定随机断开20%的神经元。