基于K-means划分区域的深度学习空气质量预报

徐爱兰; 朱晏民; 孙强; 於香湘; 彭小燕

首页> 中文期刊> 《南通大学学报（自然科学版）》 >基于K-means划分区域的深度学习空气质量预报

基于K-means划分区域的深度学习空气质量预报

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对监测范围内空间相关性较强的监测站点数量难以确定这一问题,提出基于K-means聚类算法对各空气质量监测站点进行区域划分的方法.以南通市为例,在选择目标区域内历史污染物数据的基础上,结合该区域的气象数据,利用由卷积神经网络(convolutional neural network,CNN)和长短时记忆网络(long short-term memory,LSTM)组成的CNN-LSTM混合深度学习模型对污染物进行预报,最终实现对污染物浓度时空演变特征的提取,并完成空气质量的高精度预报.实验结果表明,加入由K-means划分的区域内其他站点历史污染物浓度数据后,CNN-LSTM模型可以更准确地预测PM2.5浓度.

著录项

来源
《南通大学学报（自然科学版）》 |2021年第3期|49-56|共8页
作者
徐爱兰; 朱晏民; 孙强; 於香湘; 彭小燕;
展开▼
作者单位

南通大学信息科学技术学院江苏南通 226019;

江苏省南通环境监测中心江苏南通 226006;

南通大学信息科学技术学院江苏南通 226019;

南通大学信息科学技术学院江苏南通 226019;

江苏省南通环境监测中心江苏南通 226006;

南通市气象局江苏南通 226006;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
空气质量; 预报; 深度学习; K-means聚类; CNN-LSTM模型;

相似文献

中文文献
外文文献
专利

1. 基于聚类分析法划分环境空气质量预报区域 [J] . 杨丽丽 ,杨燕萍 ,王莉娜 . 绿色科技 . 2021,第006期
2. 基于深度学习的人工智能空气质量预报系统构建 [J] . 徐爱兰 ,张再峰 ,孙强 . 中国环境监测 . 2021,第002期
3. 基于深度学习的空气质量预报方法新进展 [J] . 朱晏民 ,徐爱兰 ,孙强 . 中国环境监测 . 2020,第003期
4. 基于K-means聚类算法对配送区域的划分优化研究 [J] . 赵峰 ,李轶 ,王泽 . 大众标准化 . 2019,第013期
5. 基于改进K-Means聚类算法的互联网涉烟违法犯罪区域划分研究 [J] . 吕飞 . 中国管理信息化 . 2019,第022期
6. 基于K-means聚类的多飞行器协同搜索区域划分方法 [C] . Zhang Yu ,张宇 ,Xia Jie . 2014中国制导、导航与控制学术会议 . 2014
7. 基于谱聚类数据挖掘技术的区域空气质量划分方法研究 [A] . 杨园 . 2019

基于K-means划分区域的深度学习空气质量预报

摘要

著录项

相似文献

相关主题

期刊订阅