昆明理工大学国土资源工程学院
纸质出版:2024
移动端阅览
黄琨, 吴学群, 成飞飞, 等. 融合时空特征的城市多站点PM2.5浓度预测[J]. 传感器与微系统, 2024,(5):149-152+157.
黄琨, 吴学群, 成飞飞, 等. 融合时空特征的城市多站点PM2.5浓度预测[J]. 传感器与微系统, 2024,(5):149-152+157. DOI: 10.13873/J.1000-9787(2024)05-0149-04.
本文提出一种融合时空特征的城市多站点PM2.5预测方法,该方法可以捕捉PM2.5在时间和空间上的相关性,通过将区域多个站点的PM2.5数据转换为一系列静态图像,将其输入到卷积长短期记忆(ConvLSTM)模型中,采用端对端的方式进行训练,预测城市未来多个站点多个时段的PM2.5浓度。以北京多个站点的PM2.5数据进行实验验证。结果表明:考虑了时空特征的ConvLSTM方法在短期预测方面优于其他4种时序方法,该方法可为PM2.5预测提供新的思路。
Wang Dongsheng,Wang HongWei,Li Chao,Lu KaiFa,Peng ZhongRen,Zhao Juanhao,Fu Qingyan,Pan Jun.Roadside Air Quality Forecasting in Shanghai with a Novel Sequence-to-Sequence Model.[J].International journal of environmental research and public health,2020.
Xiao Fei,Yang Mei,Fan Hong,Fan Guanghui,Al qaness Mohammed A. A..An improved deep learning model for predicting daily PM2.5 concentration[J].Scientific Reports,2020.
Gang Yang,Yunpeng Wang,Haiyang Yu,Yilong Ren,Jindong Xie.Short-Term Traffic State Prediction Based on the Spatiotemporal Features of Critical Road Sections[J].Sensors,2018.
Chiou-Jye Huang,Ping-Huan Kuo.A Deep CNN-LSTM Model for Particulate Matter (PM2.5) Forecasting in Smart Cities[J].Sensors,2018(7).
Xiang Li,Ling Peng,Xiaojing Yao,Shaolong Cui,Yuan Hu,Chengzeng You,Tianhe Chi.Long short-term memory neural network for air pollutant concentration predictions: Method development and evaluation[J].Environmental Pollution,2017.
Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997.
李泽群,韦骏.利用人工智能神经网络预测广州市PM_(2.5)日浓度[J].北京大学学报(自然科学版),2021(04).
杨其利,周炳红,郑伟,李明涛.注意力卷积长短时记忆网络的弱小目标轨迹检测[J].光学精密工程,2020(11).
邓丽,邬群勇,杨水荣.融合SSAE深度特征学习和LSTM网络的PM_(2.5)小时浓度预测[J].环境科学学报,2020(09).
张怡文,郭傲东,吴海龙,袁宏武,董云春.基于PCA-BP神经网络的PM_(2.5)季节性预测方法研究[J].南京林业大学学报(自然科学版),2020(05).
彭玉青,乔颖,陶慧芳,刘宪姿,刘元剑.融入注意力机制的PM2.5预测模型[J].传感器与微系统,2020(07).
康俊锋,黄烈星,张春艳,曾昭亮,姚申君.多机器学习模型下逐小时PM_(2.5)预测及对比分析[J].中国环境科学,2020(05).
刘旭林,赵文芳,唐伟.应用CNN-Seq2seq的PM2.5未来一小时浓度预测模型[J].小型微型计算机系统,2020(05).
梁泽,王玥瑶,岳远紊,韦飞黎,姜虹,李双成.耦合遗传算法与RBF神经网络的PM_(2.5)浓度预测模型[J].中国环境科学,2020(02).
曲悦,钱旭,宋洪庆,何杰,李剑辉,修昊.基于机器学习的北京市PM2.5浓度预测模型及模拟分析[J].工程科学学报,2019(03).
宋国君,国潇丹,杨啸,刘帅.沈阳市PM_(2.5)浓度ARIMA-SVM组合预测研究[J].中国环境科学,2018(11).
0
浏览量
619
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621