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

  \9 [! l4 W+ F" `* D, 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
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 ,
LSTM)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
: s  W+ Q8 p/ X; U6 T/ r; y% g8 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，
  U" W+ S( u5 [" ~/ R! u, U3 HCNN-LSTM模型可以更准确地预测PM} 5浓度
8 [8 Q; P& A3 o" l8 x

/ Y8 J. V7 I' X
3 k) `) F: ], y- P! e# `/ E

3524244733

uuuvgddxbbb
. F, c" T2 w3 ^- s

3524244733

可以，给我提供了思路
! i  Y; w; G0 b: J

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
# u& v% |' r# n- O1 u! u: i* _