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

. s6 K2 C& }+ t
5 R  L* c) O9 q9 z! U
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
& {5 Q2 }- t6 U% C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 ,
) [- g- r" _) i. e* ?/ O1 }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
5 B  `/ e# G% \* d" P' r0 K
0 K4 p: ^8 I4 m& [  @1 {

3524244733

uuuvgddxbbb
$ n6 E4 ?: ?* B, b1 u* y

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