| 基于改進BCCSA和深層LSTM的空氣質量預測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>480 K | |
| 標簽： 空氣質量 季節調整 改進BCCSA | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：現有的空氣質量預測方法很少考慮季節性因素，且預測的效果不佳，因此提出一種基于改進二元混沌烏鴉搜索算法(Binary Chaotic Crow Search Algorithm，BCCSA)和深層長短期記憶神經網絡(Long Short Term Memory，LSTM)的空氣質量預測方法。首先提出季節調整的方法對收集的原始空氣質量數據進行預處理，以消除季節對預測的影響；然后提出改進BCCSA，對空氣質量數據進行優化處理；最后，將自注意力機制加入到深層LSTM中，對空氣質量數據進行預測。實驗結果表明，該方法能有效地提高空氣質量的預測精度。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2