隨著智慧城市建設(shè)的不斷深入,物聯(lián)技術(shù)廣泛應(yīng)用,利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際問題受到廣泛關(guān)注,本論文著眼于智慧城市建設(shè)中空氣污染物PM_2.5的預(yù)測問題進(jìn)行研究。已有的相關(guān)研究中,一方面沒有綜合考慮到污染物和氣象條件之間的相關(guān)性,只針對(duì)單一污染物進(jìn)行周期性預(yù)測,泛化性很差,缺乏足夠的準(zhǔn)確性;另一方面,對(duì)污染物的預(yù)測粒度不夠,不夠細(xì)化,沒有利用到已有監(jiān)測數(shù)據(jù)是按小時(shí)為監(jiān)測間隔的重要信息。本論文提出一種基于不同時(shí)間步長的預(yù)測研究方法,利用歷史污染物數(shù)據(jù)和氣象數(shù)據(jù),訓(xùn)練不同時(shí)間窗口的模型。并且,利用模型根據(jù)當(dāng)前1-72小時(shí)數(shù)據(jù),對(duì)未來1-72小時(shí)的PM_2.5濃度進(jìn)行預(yù)測。同時(shí)設(shè)計(jì)并實(shí)現(xiàn)了基于Hadoop的分布式存儲(chǔ)系統(tǒng)（DFS,Distributed File System）,以滿足未來智慧化城市運(yùn)行中更大量、更復(fù)雜的空氣質(zhì)量相關(guān)數(shù)據(jù)的存儲(chǔ)、分析和預(yù)測需求。本論文使用的數(shù)據(jù)來源于近5年內(nèi)西安城區(qū)興慶小區(qū)監(jiān)測站點(diǎn)的污染物數(shù)據(jù)和氣象數(shù)據(jù)�；谙嚓P(guān)污染物和氣象歷史數(shù)據(jù),本文創(chuàng)新性提出針對(duì)不同預(yù)測步長,采用三種預(yù)測模型進(jìn)行訓(xùn)練并預(yù)測。線性回歸模型:綜合考慮... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：102 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

線性模型擬合圖示

簡單三層網(wǎng)絡(luò)

輸入 X(t) 以及它自己的輸出�？梢杂脮r(shí)間軸的方式表示這個(gè)網(wǎng)絡(luò)，如圖 2.4 所示（右），就是根據(jù)時(shí)間展開網(wǎng)絡(luò)。圖2.4 展開的 RNN 神經(jīng)元每個(gè)遞歸神經(jīng)元有兩組權(quán)值：一組賦予輸入 X(t)，另一組賦予前一個(gè)時(shí)間步的輸出 y (t - 1)。稱之為向量 Wx和 Wy，單個(gè)遞歸神經(jīng)元的輸出可以用公式（2-8）表示。-( )= ( ( ) π ( ) π ) （2-8）就像前饋神經(jīng)網(wǎng)絡(luò)，在一個(gè)批量的實(shí)例上，可以針對(duì)上面一個(gè)公式計(jì)算出一層遞歸神經(jīng)元的輸出，如公式（2-9）所示。


本文編號(hào)：3222367