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

! X( i: k: y% O3 A+ C& D
' g8 B4 m/ y4 I9 b' |0 v
! c' Z( _; n# Y% S; k6 y9 p- Y+ U+ l3 `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
: Q* W1 r6 [% h" R3 S  b- Q) l' z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 ,
) W/ A$ c% `3 m6 D6 f1 ?% G* A0 DLSTM)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
  T* D, }$ Y4 f, Z6 n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，
( I. w0 H3 }. }+ p  dCNN-LSTM模型可以更准确地预测PM} 5浓度
# v( L* U) w$ G' ~) ~  U  v* Q

# f9 n3 G8 l* [" \% k

3524244733

uuuvgddxbbb
: v8 w0 ^0 p6 f% l( A9 f! F

3524244733

可以，给我提供了思路
! S& N0 o3 x0 f/ V; d$ m4 q5 ~

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