-
公开(公告)号：CN112183625A
公开(公告)日：2021-01-05
申请号：CN202011041190.3
申请日：2020-09-28
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习PM2.5浓度时空预测的方法，首先对地面监测站点的PM2.5数据和多源数据进行数据预处理以及时空匹配，并对气象数据、空间相关数据以及物理特征数据等多源数据进行影响因素分析选取相关特征因素作为模型的辅助输入数据；基于地面监测站点的PM2.5数据的时空相关性分析获取合适的时间滞后变量，并对监测站点进行聚类；基于历史序列和邻近格网的PM2.5浓度值，再结合相关辅助数据，利用改进的LSTM模型输出未来时刻该格网的PM2.5浓度值并进行精细PM2.5时空分布制图，该方法不仅可以提高长期时空预测的精度，而且可用于预测空间连续大范围未来时刻的PM2.5浓度，满足实际应用中的需求。
Search Results
1
records
(took 0.012 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
