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

. b  q- |8 \1 k: |* U- Z
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
$ q/ U' Z% H: P2 L2 ^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
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

  j8 n$ [! a1 Z/ @6 h& v
9 v# [2 X$ U- d% ~$ @" ~6 X
( |% \% C3 T. y1 d6 h( O7 B- @

3524244733

uuuvgddxbbb

3524244733

可以，给我提供了思路

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
5 e" w  t7 V& ~) s( D$ [