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

: N* M  A: S+ d4 D

/ `4 k  N  Q* I* K2 j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
9 n3 |5 u2 a6 {1 P( Y$ G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
- Y. Y6 R- u! I$ r9 C" _2 T) l; h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 ,
6 F7 |, O# D, V1 mLSTM)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
6 A' f  k' g+ H6 H: M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，
- s" x! J- O' S: A; P# \  ^6 ]CNN-LSTM模型可以更准确地预测PM} 5浓度
2 [" [4 N5 C+ B6 ]  e" x
) O4 n; T  }9 t( e% N$ C

3524244733

uuuvgddxbbb
7 v& E; @* q0 b9 w4 p

3524244733

可以，给我提供了思路
& M: F: C; }* k( L- \. }

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