-
公开(公告)号：CN119047351B
公开(公告)日：2025-02-07
申请号：CN202411551398.8
申请日：2024-11-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于风速风向图的PM2.5浓度预测方法及系统。其中，方法包括通过变分模态分解（VMD）技术抑制PM2.5时序数据的噪声，将数据分解为多个分量，同时结合风速风向等气象数据和节点的地理位置数据构建风速风向图注意力网络（GAT）预测节点下一时间段的风速风向，并通过风速风向修正基于地理距离的注意力权重，形成动态更新的GAT网络边权重，形成GAT网络的输出，最后通过长短期记忆网络模型（LSTM）捕捉污染物变动的时间关系，构建基于风速风向图修正的双重图注意力网络VMD‑TGAT‑LSTM模型，将信号处理方式与时空神经网络模型融合，从而实现更为精确的PM2.5扩散识别预测。
-
公开(公告)号：CN116341768A
公开(公告)日：2023-06-27
申请号：CN202310616696.X
申请日：2023-05-29
Applicant: 中南大学
IPC: G06Q10/04 , G06Q50/08 , G06F18/2413 , G06F18/214 , G06N3/04 , G06N3/086
Abstract: 本发明提供了一种基于深度学习的碳排放量预测方法，包括：选择数据集；对数据进行向量化处理；对数据进行不平衡处理，使用样本生成进行数据均衡，通过基于加权KNN的双线性插值法进行样本生成；对数据进行预处理；构建深度学习特征提取模型，提取样本特征；利用分类器进行样本分类，预测碳排放量。本发明通过改进的加权KNN弥补了碳排放量预测数据采集过程中引起的误差扰动导致的样本识别错误问题，解决了样本的不平衡问题，保证了样本数据的均衡，同时在对数据进行特征提取操作中，构建深度学习特征提取模型，采用基于自适应交叉变异的演化算法的深度神经网络，提升了该方法的寻优性能。
-
公开(公告)号：CN119047351A
公开(公告)日：2024-11-29
申请号：CN202411551398.8
申请日：2024-11-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于风速风向图的PM2.5浓度预测方法及系统。其中，方法包括通过变分模态分解（VMD）技术抑制PM2.5时序数据的噪声，将数据分解为多个分量，同时结合风速风向等气象数据和节点的地理位置数据构建风速风向图注意力网络（GAT）预测节点下一时间段的风速风向，并通过风速风向修正基于地理距离的注意力权重，形成动态更新的GAT网络边权重，形成GAT网络的输出，最后通过长短期记忆网络模型（LSTM）捕捉污染物变动的时间关系，构建基于风速风向图修正的双重图注意力网络VMD‑TGAT‑LSTM模型，将信号处理方式与时空神经网络模型融合，从而实现更为精确的PM2.5扩散识别预测。
-
-
Search Results
3
records
(took 0.012 seconds)
