| 基于深度学习的PM2.5多模态集成预测应用 | |
黄恒君 ; 王伟科
| |
| 2020 | |
| 发表期刊 | 统计学报
 |
| 期号 | 2020-02页码:39-47 |
| 摘要 | 基于"分解-集成"的建模思路,构建了变分模态分解（VMD）、弹网惩罚长短期记忆网络（ELSTM）和网格搜索算法（GS）相结合的多模态集成预测模型（VMD-ELSTM-GS）,并利用兰州和南京两个城市的PM2.5浓度数据进行了实证预测。研究结果表明:弹网正则化的深度学习方法ELSTM能够提高预测精度,而基于VMD的"分解-集成"范式能够有效降低PM2.5浓度数据的非平稳、高波动程度。 |
| 关键词 | 变分模态分解 空气质量 多视角学习 ELSTM神经网络 集成学习 |
| DOI | 10.19820/j.cnki.issn2096-7411.2020.02.005 |
| URL | 查看原文 |
| 语种 | 中文 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.lzufe.edu.cn/handle/39EH0E1M/506 |
| 专题 | 教务处 统计与数据科学学院 |
| 作者单位 | 兰州财经大学统计学院 |
| 第一作者单位 | 统计与数据科学学院 |
| 推荐引用方式 GB/T 7714 | 黄恒君,王伟科. 基于深度学习的PM2.5多模态集成预测应用[J]. 统计学报,2020(2020-02):39-47. |
| APA | 黄恒君,&王伟科.(2020).基于深度学习的PM2.5多模态集成预测应用.统计学报(2020-02),39-47. |
| MLA | 黄恒君,et al."基于深度学习的PM2.5多模态集成预测应用".统计学报 .2020-02(2020):39-47. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [黄恒君]的文章 |
| [王伟科]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [黄恒君]的文章 |
| [王伟科]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [黄恒君]的文章 |
| [王伟科]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论