科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于多种神经网络融合的空气质量预测方法,CNN卷积神经网络提取并筛选出输入时序数据的主要特征,降低数据维度,再经过BiLSTM双向长短期记忆神经网络以及GRU门控循环单元网络层的学习,再经过反归一化,最终得到下一时刻的污染物浓度值。本发明融合了CNN、BiLSTM、GRU三种神经网络算法,保留了各算法的优势,CNN可以提取具有代表性的特征,降低数据维度,BiLSTM神经网络较好的捕获各特征之间前后较长距离的依赖关系,并且其表达能力比GRU更强,对于时间序列的可控制粒度更细；GRU作为LSTM长短期记忆神经网络的变体,其网络参数更少,因此更容易收敛,并且可以防止梯度弥散。
- 单位
