-
公开(公告)号：CN113313235A
公开(公告)日：2021-08-27
申请号：CN202110606132.9
申请日：2021-05-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进的LSTM的空气质量预测模型及方法，属于环境保护技术领域。所述模型通过对于Vanilla LSTM的内部循环结构进行简化、改进，减少了一定的参数，增强了该结构对于异常细胞状态的包容性，生成了最终的IV‑LSTM结构。同时，在数据输入输出模型上进行改进，通过LS‑DTW算法选出相关站点增加数据输入通道。相比于纯DTW算法，LS‑DTW选出的站点与目标站点的相似程度更强，数据输入相关性更强，所以整体模型的预测结果更精确。
-
公开(公告)号：CN113077097A
公开(公告)日：2021-07-06
申请号：CN202110400908.1
申请日：2021-04-14
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度时空相似性的空气质量预测方法，属于环境保护技术领域。所述方法对目标站点的空气质量相关指标进行预测时，将空气污染的时间性变化与空间扩散关系有效结合起来，进而选取出目标站点的时空相似站点，将目标站点、目标站点的时空相似站点以及目标站点的地理近邻站点所采集的空气质量监测数据以及气象数据分别作为长短时神经网络LSTM模型的输入，得出不相关的输出结果，进而采用支持向量回归SVR整合的方式，得到目标站点的空气质量相关指标数据的预测值。本发明通过将空气污染的时间性变化与空间扩散关系有效结合，也即提出一种更有效的方式选择更加高度相关的数据来对空气质量进行预测，使得预测结果更加精确。
-
公开(公告)号：CN113313235B
公开(公告)日：2024-05-03
申请号：CN202110606132.9
申请日：2021-05-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进的LSTM的空气质量预测模型装置及方法，属于环境保护技术领域。所述模型装置通过对于VanillaLSTM的内部循环结构进行简化、改进，减少了一定的参数，增强了该结构对于异常细胞状态的包容性，生成了最终的IV‑LSTM结构。同时，在数据输入输出模型上进行改进，通过LS‑DTW算法选出相关站点增加数据输入通道。相比于纯DTW算法，LS‑DTW选出的站点与目标站点的相似程度更强，数据输入相关性更强，所以整体模型的预测结果更精确。
-
公开(公告)号：CN113077097B
公开(公告)日：2023-08-25
申请号：CN202110400908.1
申请日：2021-04-14
Applicant: 江南大学
Abstract: 本发明公开了一种基于深度时空相似性的空气质量预测方法，属于环境保护技术领域。所述方法对目标站点的空气质量相关指标进行预测时，将空气污染的时间性变化与空间扩散关系有效结合起来，进而选取出目标站点的时空相似站点，将目标站点、目标站点的时空相似站点以及目标站点的地理近邻站点所采集的空气质量监测数据以及气象数据分别作为长短时神经网络LSTM模型的输入，得出不相关的输出结果，进而采用支持向量回归SVR整合的方式，得到目标站点的空气质量相关指标数据的预测值。本发明通过将空气污染的时间性变化与空间扩散关系有效结合，也即提出一种更有效的方式选择更加高度相关的数据来对空气质量进行预测，使得预测结果更加精确。
-
-
-
Search Results
4
records
(took 0.018 seconds)
