专利内容由知识产权出版社提供
专利名称：基于深度双向长短期记忆网络的空气质量预测方法专利类型：发明专利
发明人：陆彬春,陈鸣辉,何强,符礼丹,吴子阳,罗子鉴,季琪崧申请号：CN2019112410.3申请日：20191206公开号：CN111047012A公开日：20200421
摘要：基于深度双向长短期记忆网络的空气质量预测方法。本发明专利针对空气污染物难以预测的现状，设计了高精度预测算法。算法创新性地运用基于深度双向长短期记忆网络对历史污染物指标的时序数据进行处理，从而进行污染物的预测及分析。算法由PYTHON3.6.5的Keras工具搭建，包括以下步骤：S1:多个污染物指标的时间序列数据划分为训练集、验证集和测试集；S2:将训练集的数据输入深度双向长短期记忆网络中进行训练，直到网络收敛；S3:将验证集的数据输入网络进行验证，并调节网络的参数，最终得到最优的参数；S4:将网络应用于测试集上进行模型的评价，得到高准确率效果；S5:将模型保存应用于实际情况中。该算法为空气污染物预测提供了一种新的解决方案，进而在空气污染预测领域进行广泛应用。
申请人：重庆大学
地址：400044 重庆市沙坪坝区沙正街174号
国籍：CN
更多信息请下载全文后查看
