《表2 深度学习PM2.5预报模型配置参数》
注:f为卷积核尺寸,s为卷积核滑动步长,p为填充尺寸,d为该层卷积核数量,即该层输出的通道数。
经过改进,本研究最终使用的深度学习预报模型为编码器-Conv LSTM-Conv LSTM-解码器的结构,如图2所示,模型的配置参数如表2所示。模型输入48个气象、排放变量在t-72~t-1时刻上的平均值以及在t0时刻的值共96个变量,输出t1~t6未来6 h PM2.5浓度预报。模型包含1个由32通道1×1卷积核组成的编码器,2个Conv-LSTM叠加组成的主体结构(ConvLSTM的卷积核设置为64通道3×3卷积核)以及1个由单通道1×1卷积核组成的解码器。
图表编号 | XD00184976100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 张迪、赵隽颢、沈隽永、王硕、程真 |
绘制单位 | 上海交通大学中英国际低碳学院、上海交通大学环境科学与工程学院、上海交通大学环境科学与工程学院、北京师范大学系统科学学院、上海交通大学环境科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |