《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》
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。
图表编号 | XD00132657400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 梁涛、谢高锋、米大斌、姜文 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院、河北建投能源投资股份有限公司、河北建投能源投资股份有限公司 |
更多格式 | 高清、无水印(增值服务) |