文档名：融合时空特征的城市多站点PM2.5浓度预测
摘要：本文提出一种融合时空特征的城市多站点PM2.5预测方法,该方法可以捕捉PM2.5在时间和空间上的相关性,通过将区域多个站点的PM2.5数据转换为一系列静态图像,将其输入到卷积长短期记忆(ConvLSTM)模型中,采用端对端的方式进行训练,预测城市未来多个站点多个时段的PM2.5浓度.以北京多个站点的PM2.5数据进行实验验证.结果表明:考虑了时空特征的ConvLSTM方法在短期预测方面优于其他4种时序方法,该方法可为PM2.5预测提供新的思路.
Abstract：Anurbanmulti-sitePM2.5predictionmethodthatfusesspatial-temporalfeaturesisproposed,whichcancapturethetemporalandspatialcorrelationofPM2.5.ByconvertingregionalPM2.5dataofmulti-siteintoaseriesofstaticimages,andinputintotheConvLSTMmodel.Themodelistrainedinanend-to-endmannertopredictthePM2.5concentrationsofmultiplestationsandperiodsinthefuture.ThemethodisverifiedbytheexperimentwiththePM2.5dataofmulti-siteinBeijing.TheresultsshowthatConvLSTMmethodconsideringspatial-temporalfeaturesisbetterthantheother4timingmethodsinshort-termprediction,whichprovidesanewideaforPM2.5prediction.
作者：黄琨 吴学群 成飞飞 韩啸Author：HUANGKun WUXuequn CHENGFeifei HANXiao
作者单位：昆明理工大学国土资源工程学院,云南昆明650093
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(5)
分类号：TP391
关键词：时空特征 卷积长短期记忆 多站点 PM2.5浓度预测
Keywords：spatial-temporalfeatures convolutionallongshort-termmemory(ConvLSTM) multi-site PM2.5concentrationprediction
机标分类号：X513X831TP391.41
在线出版日期：2024年5月17日
基金项目：融合时空特征的城市多站点PM2.5浓度预测[
期刊论文] 传感器与微系统--2024, 43(5)黄琨 吴学群 成飞飞 韩啸本文提出一种融合时空特征的城市多站点PM2.5预测方法,该方法可以捕捉PM2.5在时间和空间上的相关性,通过将区域多个站点的PM2.5数据转换为一系列静态图像,将其输入到卷积长短期记忆(ConvLSTM)模型中,采用端对端的方式...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
融合时空特征的城市多站点PM2.5浓度预测 Prediction of PM2.5 concentration at urban multi-site fusing spatial-temporal features
融合时空特征的城市多站点PM2.5浓度预测.pdf
- 文件大小:
- 770.15 KB
- 下载次数:
- 60
-
高速下载
|
|
