基于梯度下降优化的LSTM对空气质量预测研究

作者：曹通; 白艳萍^*

来源：陕西科技大学学报, 2020, 38(06): 159-164.

DOI：10.19481/j.cnki.issn2096-398x.2020.06.026

• AQI
• LSTM
• 随机梯度下降算法
• 空气质量预测

文章以2018年～2019年的太原市空气污染物监测数据为基础,建立基于自适应调节学习率的随机梯度下降算法(Adagrad、AdaDelta、Adam)优化的LSTM循环神经网络预测模型,对太原市的空气质量指数(AQI)进行仿真预测,通过对比可得:基于Adam优化的LSTM循环神经网络不仅具备更高的预测精度,而且收敛速度也较快,为城市大气污染治理工作提供了科学合理的理论研究,具有更远的发展前景.

• 单位
  中北大学