基于K-means划分区域的深度学习空气质量预报_徐爱兰

杨利霞

基于K-means划分区域的深度学习空气质量预报_徐爱兰

8 S/ ?8 Q+ R' B6 Z4 a4 a

- p5 i+ }. H5 X$ u0 ^3 P摘要:针对监测范围内空间相关性较强的监测站点数量难以确定这一问题，提出基于K-means聚类算法对各空气
0 z& I) Z4 I$ e1 S质量监测站点进行区域划分的方法〔以南通市为例，在选择目标区域内历史污染物数据的基础上，结合该区域的气
象数据，利用由卷积神经网络(convolutional neural network , CNN)和长短时记忆网络(long shoe-term memory ,
- J7 A* _  x* s$ z! oLSTM)组成的CNN-LSTM混合深度学习模型对污染物进行预报，最终实现对污染物浓度时空演变特征的提取，并
+ x! Z2 ]" ^" u完成空气质量的高精度预报〔实验结果表明，加入由K-means划分的区域内其他站点历史污染物浓度数据后，
CNN-LSTM模型可以更准确地预测PM} 5浓度
. M7 s. W: `0 {: k3 H2 j2 h) _
6 z2 e$ }. f5 h3 M# p

( g, m2 f, _$ H  j& K+ ^( @# j+ I

3524244733

uuuvgddxbbb
" H& S, w2 J: h

3524244733

可以，给我提供了思路
8 v+ `' p3 d8 n% K# c

3524244733

楼主的帖子怎么样？赶紧试试这里的快速回复给楼主点评论吧
8 J1 Y- A+ m) H* n