基于长短期记忆网络的城市建筑垃圾产量预测

作者：孙柯华; 蔡婷; 王伟^*; 吴晓南; 刘弘昱; 郑虢

来源：华东交通大学学报, 2020, 37(06): 28-35.

DOI：10.16749/j.cnki.jecjtu.2020.06.004

• 建筑垃圾
• LSTM网络
• 时间序列预测
• 深度学习

为了有效解决建筑垃圾预测问题,从有限样本点的单变量时序数据出发,提出一种基于3层长短期记忆(LSTM)网络的时间序列预测方法,涉及Dropout层与网络结构设计、网络训练与预测过程实现算法等。并以上海市建筑垃圾统计数据为例进行数值实验,通过与其他时间序列预测模型的实验对比,验证了LSTM预测模型在建筑垃圾产量预测的有效性和准确性。

• 单位
  河海大学; 上海交通建设总承包有限公司