期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种卷积自编码深度学习的空气污染多站点联合预测模型
被引量：
4
1
作者
张波
陆云杰
+1 位作者
秦东明
邹国建
《电子学报》
EI
CAS
CSCD
北大核心
2022年第6期1410-1427,共18页
城市空气污染因空间扩散特性呈现出区域内的浓度高关联性.因此如何通过多个空气污染监测站的时空数据预测特定目标地点的污染情况,以解决站点分布不匀的问题,是一个重要的研究工作.本文结合空气污染物因素特性和气象因素的多维度影响,...
城市空气污染因空间扩散特性呈现出区域内的浓度高关联性.因此如何通过多个空气污染监测站的时空数据预测特定目标地点的污染情况,以解决站点分布不匀的问题,是一个重要的研究工作.本文结合空气污染物因素特性和气象因素的多维度影响,提出了一个利用区域内多站点空间监测数据实现特定目标站点的空气污染物浓度预测模型.该模型通过多层卷积神经网络(Convolutional Neural Network,CNN)实现城市多站点污染物浓度与气象数据之间的维度关联特征及空间关联特征学习,进而利用基于多层长短期记忆网络(Long Short-Term Memory,LSTM)的自编码网络实现多站点浓度的时序关联特征分析.实验通过真实数据集验证,所提出的预测模型获得了高于传统机器学习污染物浓度预测模型的预测准确度,且在多个城市数据集上验证了模型的泛化能力.
展开更多
关键词
深度学习
空气污染
时空数据
多站点联合预测
卷积神经网络
长短期记忆网络
在线阅读
下载PDF
职称材料
题名
一种卷积自编码深度学习的空气污染多站点联合预测模型
被引量：
4
1
作者
张波
陆云杰
秦东明
邹国建
机构
上海师范大学信息与机电工程学院
同济大学电子与信息工程学院
上海智能教育大数据工程技术研究中心
中科三清科技有限公司
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第6期1410-1427,共18页
基金
国家自然科学基金(No.61802258,No.61572326)
上海自然科学基金(No.18ZR1428300)。
文摘
城市空气污染因空间扩散特性呈现出区域内的浓度高关联性.因此如何通过多个空气污染监测站的时空数据预测特定目标地点的污染情况,以解决站点分布不匀的问题,是一个重要的研究工作.本文结合空气污染物因素特性和气象因素的多维度影响,提出了一个利用区域内多站点空间监测数据实现特定目标站点的空气污染物浓度预测模型.该模型通过多层卷积神经网络(Convolutional Neural Network,CNN)实现城市多站点污染物浓度与气象数据之间的维度关联特征及空间关联特征学习,进而利用基于多层长短期记忆网络(Long Short-Term Memory,LSTM)的自编码网络实现多站点浓度的时序关联特征分析.实验通过真实数据集验证,所提出的预测模型获得了高于传统机器学习污染物浓度预测模型的预测准确度,且在多个城市数据集上验证了模型的泛化能力.
关键词
深度学习
空气污染
时空数据
多站点联合预测
卷积神经网络
长短期记忆网络
Keywords
deep learning
air pollution
spatio-temporal data
multiple sites joint prediction
convolutional neural network
long short-term memory network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP399 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种卷积自编码深度学习的空气污染多站点联合预测模型
张波
陆云杰
秦东明
邹国建
《电子学报》
EI
CAS
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
