隨著工業(yè)的發(fā)展與汽車的普及,空氣污染問題日益嚴(yán)重。如何對空氣中污染成分進(jìn)行準(zhǔn)確的預(yù)測,對環(huán)境污染的治理具有重要意義。傳統(tǒng)的時(shí)序預(yù)測方法存在預(yù)測誤差大、耗時(shí)較長等不足。隨著深度學(xué)習(xí)的發(fā)展,通過使用基于神經(jīng)網(wǎng)絡(luò)的方法可以準(zhǔn)確分析空氣中各污染成分。以環(huán)境污染狀況為研究對象,研究一種基于神經(jīng)網(wǎng)絡(luò)的高效時(shí)序數(shù)據(jù)預(yù)測方法具有深刻的研究意義與實(shí)際應(yīng)用價(jià)值。設(shè)計(jì)了一個(gè)更高效的長短期記憶神經(jīng)網(wǎng)絡(luò)。優(yōu)化神經(jīng)網(wǎng)絡(luò)的邏輯架構(gòu),通過網(wǎng)格搜索算法對相關(guān)參數(shù)進(jìn)行選取。探究不同的參數(shù)對預(yù)測結(jié)果的影響。選擇相應(yīng)的激活函數(shù)、損失函數(shù)、神經(jīng)元數(shù)目等參數(shù)以降低誤差和時(shí)間消耗。將新構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型與LSTM和GRU等神經(jīng)網(wǎng)絡(luò)對比,觀察誤差和時(shí)間消耗是否降低。驗(yàn)證多層的網(wǎng)絡(luò)模型是否優(yōu)于單層網(wǎng)絡(luò)模型,并對預(yù)測的誤差進(jìn)行評價(jià)。改進(jìn)后的預(yù)測模型使用堆疊式的,根據(jù)數(shù)據(jù)的特點(diǎn)選擇LSTM的層數(shù),通過調(diào)整各個(gè)參數(shù)來優(yōu)化模型。且該模型主要對時(shí)序數(shù)據(jù)進(jìn)行預(yù)測,以環(huán)境污染數(shù)據(jù)為例,通過實(shí)驗(yàn)結(jié)果表明:相比于RNN、LSTM、GRU等神經(jīng)網(wǎng)絡(luò),改進(jìn)后的神經(jīng)網(wǎng)絡(luò)預(yù)測的誤差率更低,時(shí)間也相對縮短,更適合對環(huán)境污染時(shí)序數(shù)據(jù)進(jìn)行預(yù)測。同時(shí)也使用了其他樣本數(shù)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

ARIMA建模流程

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文 神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)模型中，通常具有三層網(wǎng)絡(luò)結(jié)構(gòu)（輸入層、隱含層和輸數(shù)控制輸出，各層之間通過全連接的方式進(jìn)行連接,每層中的各個(gè)。這種傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)無法處理一些復(fù)雜問題。例如：對空缺單要知道前面與后面的單詞，才能進(jìn)行中間空缺單詞的聯(lián)想，即單。RNN(Recurrent Neural Network，循環(huán)神經(jīng)網(wǎng)絡(luò))之所以稱為循環(huán)絡(luò)當(dāng)前的輸出與前面的輸出相關(guān)。

與前面的輸出相關(guān)。圖 2-2 具有多個(gè)隱含層的 RNN 網(wǎng)絡(luò)結(jié)構(gòu)的 RNN 網(wǎng)絡(luò)結(jié)構(gòu)。具體表現(xiàn)是網(wǎng)絡(luò)會息，即隱含層各個(gè)節(jié)點(diǎn)間是有連接的，自于上一隱含層的輸出。按結(jié)構(gòu)通�？梢苑譃槿箢悾阂粚Χ嗄蝹�(gè)，輸出是一個(gè)序列時(shí)，需要使用如圖

【參考文獻(xiàn)】：
期刊論文
[1]基于WNN-GNN-SVM組合算法的變壓器油色譜時(shí)間序列預(yù)測模型[J]. 張施令,姚強(qiáng).  電力自動化設(shè)備. 2018(09)
[2]ADF單位根檢驗(yàn)法的替代方法[J]. 葉宗裕.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2017(06)
[3]多任務(wù)LS-SVM在時(shí)間序列預(yù)測中的應(yīng)用[J]. 賈松達(dá),龐宇松,閻高偉.  計(jì)算機(jī)工程與應(yīng)用. 2018(03)
[4]基于經(jīng)驗(yàn)?zāi)B(tài)分解的風(fēng)電功率短期預(yù)測方法[J]. 王麗婕,李慧.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[5]廣州PM2.5污染特征及影響因素分析[J]. 朱倩茹,劉永紅,徐偉嘉,黃敏.  中國環(huán)境監(jiān)測. 2013(02)

博士論文
[1]時(shí)間序列短期預(yù)測模型研究與應(yīng)用[D]. 張滸.華中科技大學(xué) 2013

碩士論文
[1]時(shí)間序列分析的研究與應(yīng)用[D]. 湯巖.東北農(nóng)業(yè)大學(xué) 2007



本文編號：3297803