专利名称：一种基于深度学习的双向长短期记忆网络的PM2.5
预测方法
专利类型：发明专利发明人：严珂,张震东
申请号：CN202011501019.6申请日：20201217公开号：CN112434888A公开日：20210302
摘要：本发明公开了一种基于深度学习的双向长短期记忆网络的PM2.5预测方法，包括以下步骤：收集某地区各个观测站记录的PM2.5浓度数据，各个观测站按时间顺序依次记录PM2.5的浓度变化，得到单维的PM2.5时间序列原始数据；使用变分模态分解将原始PM2.5单维数据分解成由多个谐波子序列构成的多维数组，各个子序列之和即为原始数据；对原始数据进行预处理；将各个子序列数据划分为相同大小的训练集和测试集。构造BiLSTM模型，然后将训练集和测试集分别输入BiLSTM模型中，依据实验结果调整模型参数；利用调整好参数的BiLSTM模型得到各个子序列的预测结果，然后将各个子序列的预测结果相加，得到最终的预测结果。本发明可有效解决当前空气质量数据波动变化大，预测效果不够精确等问题。
申请人：中国计量大学上虞高等研究院有限公司,中国计量大学
地址：312000 浙江省绍兴市上虞区曹娥街道江西路2288号浙大网新科技园A1楼401.402
国籍：CN
代理机构：杭州求是专利事务所有限公司
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容