隨著“大氣十條”政策的全面落實(shí)與實(shí)現(xiàn),全國(guó)整體空氣質(zhì)量大幅改善,重點(diǎn)城市優(yōu)良天數(shù)比例逐年攀升。但空氣質(zhì)量改善的任務(wù)依然艱巨,還需繼續(xù)進(jìn)行藍(lán)天保衛(wèi)戰(zhàn),明確治理思路和具體任務(wù)。在空氣質(zhì)量監(jiān)測(cè)方面,空氣質(zhì)量指數(shù)AQI一直是所關(guān)注的重點(diǎn)。本文結(jié)合LSTM神經(jīng)網(wǎng)絡(luò)和BN貝葉斯網(wǎng)絡(luò),搭建LSTM-BN組合模型用于環(huán)境空氣質(zhì)量評(píng)價(jià)與預(yù)測(cè)中。首先,在確定影響空氣質(zhì)量指數(shù)AQI的因素上,本文選擇6項(xiàng)空氣污染物即PM2.5、PM10、SO2、NO2、O3、CO日均數(shù)據(jù)作為影響因子,采用長(zhǎng)沙市2014年至2018年的數(shù)據(jù)進(jìn)行模型的訓(xùn)練。在模型訓(xùn)練的過(guò)程中,實(shí)現(xiàn)了用于解決空氣污染物時(shí)序數(shù)據(jù)非線性特點(diǎn)的經(jīng)驗(yàn)?zāi)B(tài)分解EMD算法等,利用LSTM神經(jīng)網(wǎng)絡(luò)在處理時(shí)序數(shù)據(jù)上的優(yōu)越性實(shí)現(xiàn)了對(duì)各項(xiàng)空氣污染物的有效預(yù)測(cè),其性能均大于比較模型。最后,利用貝葉斯網(wǎng)絡(luò)可解釋性強(qiáng)、推理能力強(qiáng)的特點(diǎn),通過(guò)爬山算法學(xué)習(xí)出長(zhǎng)沙市空氣質(zhì)量的貝葉斯網(wǎng)絡(luò)模型結(jié)構(gòu),并進(jìn)行參數(shù)學(xué)習(xí),利用LSTM的輸出數(shù)據(jù)作為輸入數(shù)據(jù)用于評(píng)價(jià)預(yù)測(cè)2019年整年間的空氣質(zhì)量指數(shù)。得出,基于LSTM-BN模型的整體準(zhǔn)確率與分季度準(zhǔn)確率分別為:86.85%,87.78%,8...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1技術(shù)路線圖

碩士學(xué)位論文7第三章：基于神經(jīng)-貝葉斯網(wǎng)絡(luò)組合模型的設(shè)計(jì)與實(shí)現(xiàn)。介紹了如何使用神經(jīng)-貝葉斯網(wǎng)絡(luò)組合模型對(duì)長(zhǎng)沙市空氣質(zhì)量指數(shù)進(jìn)行預(yù)測(cè)和評(píng)價(jià)，確定了模型影響因素、數(shù)據(jù)來(lái)源、數(shù)據(jù)預(yù)處理過(guò)程和模型構(gòu)建方式。第四章：基于神經(jīng)-貝葉斯網(wǎng)絡(luò)組合模型的預(yù)測(cè)與評(píng)價(jià)。利用建立好的神經(jīng)-貝葉斯網(wǎng)絡(luò)組合....

圖2.1DNN模型結(jié)構(gòu)圖

窶嗟確尚卸?锏男形??心７攏?窬??緲?學(xué)在最初也是對(duì)人腦的一種抽象和模仿，然后以腦神經(jīng)生理學(xué)為基礎(chǔ)進(jìn)行研究發(fā)展，最終形成了一門(mén)有向圖拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)學(xué)科，具備充分逼近任意非線性關(guān)系、高魯棒性高并發(fā)性、可學(xué)習(xí)與自適應(yīng)的特點(diǎn)，并且被廣泛應(yīng)用于語(yǔ)音識(shí)別、信號(hào)處理、推薦系統(tǒng)、智能問(wèn)答....

圖2.2sigmoid函數(shù)圖

基于神經(jīng)-貝葉斯網(wǎng)絡(luò)組合模型的空氣質(zhì)量測(cè)度10可以通過(guò)線性轉(zhuǎn)化為只有一層隱含層的神經(jīng)網(wǎng)絡(luò)，即輸出都是輸入的單純線性組合。激活函數(shù)在神經(jīng)網(wǎng)絡(luò)領(lǐng)域中具有重要的作用，其中經(jīng)常被使用的激活函數(shù)包括sigmoid、tanh、relu、leakyrelu、maxout以及softmax。下面....

圖2.3tanh函數(shù)圖

碩士學(xué)位論文11（2）tanh函數(shù)圖2.3tanh函數(shù)圖tanh()=+(2.2)tanh函數(shù)是sigmoid的變種，其關(guān)系為tanh()=2(2)1，相比sigmoid函數(shù)，從圖2.3可以看出tanh函數(shù)值的取值范圍[-1,1]，同時(shí)tanh函數(shù)的曲線在較大時(shí)變得平坦的幅度沒(méi)有....

本文編號(hào)：3941356