《表2 武汉市在预测日前一天的气象数据》
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
《基于时空优化长短期记忆网络与烟花算法的AQI预测》
LSTM在时间序列建模过程中可以保持信息持久化存储,在空气质量预测问题方面,相比于SDAE[10]等神经网络模型,LSTM更适合处理时间相关的AQI数据。因此,本文将结合LSTM与FWA,建立深度学习模型LSTM-FWA,对空气质量进行预测。该模型输入数据为目标城市在预测日前一天的空气质量数据、气象数据以及第二天的气象预报数据,输出数据为预测出的第二天的AQI值。以下表为例,武汉市在预测日前一天的空气质量数据(共8项)如表1所示;气象数据(共18项)如表2所示。因此模型输入维度为44,即预测日前一天的8项空气质量数据、18项气象数据,第二天的18项气象数据。
图表编号 | XD0077699200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.24 |
作者 | 赵俭辉、董婷、蔡波 |
绘制单位 | 武汉大学计算机学院、武汉大学计算机学院、武汉大学国家网络安全学院 |
更多格式 | 高清、无水印(增值服务) |