一种基于深层过渡网络的空气质量预测方法

    公开(公告)号:CN113762351B

    公开(公告)日:2023-12-05

    申请号:CN202110923976.6

    申请日:2021-08-12

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于深层过渡网络的空气质量预测方法,为了提取空气质量数据的深层次空间特征与时间特征,提出了基于辅助信息和深层过渡网络的空气质量预测模型(AI‑DTN),它包含正反不同方向的两个过渡网络,分别从正反两种时间序列方向上提取特征信息,以增强特征提取的程度。AI‑DTN中的每个过渡网络提取空间特征的融合辅助信息的门控循环单元AI‑GRU和现有的提取时间特征的过渡门控循环单元T‑GRU所组成。AI‑GRU的两种门控中,一个控制辅助信息流入门控循环单元的程度,另一个控制PM2.5与辅助信息的融合程度,这种门控机制可以避免信息融合过程中的相互干扰。

    一种基于深层过渡网络的空气质量预测方法

    公开(公告)号:CN113762351A

    公开(公告)日:2021-12-07

    申请号:CN202110923976.6

    申请日:2021-08-12

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于深层过渡网络的空气质量预测方法,为了提取空气质量数据的深层次空间特征与时间特征,提出了基于辅助信息和深层过渡网络的空气质量预测模型(AI‑DTN),它包含正反不同方向的两个过渡网络,分别从正反两种时间序列方向上提取特征信息,以增强特征提取的程度。AI‑DTN中的每个过渡网络提取空间特征的融合辅助信息的门控循环单元AI‑GRU和现有的提取时间特征的过渡门控循环单元T‑GRU所组成。AI‑GRU的两种门控中,一个控制辅助信息流入门控循环单元的程度,另一个控制PM2.5与辅助信息的融合程度,这种门控机制可以避免信息融合过程中的相互干扰。

Patent Agency Ranking