| 基于深度学习的PM2.5预测模型建立 |
| |
| 引用本文： | 崔相辉,谢剑锋,张丰,丁琳,李增顺,郝震寰,刘勇,赵起超. 基于深度学习的PM2.5预测模型建立[J]. 北京测绘, 2017, 0(6): 22-27. DOI: 10.19580/j.cnki.1007-3000.2017.06.006 |
| |
| 作者姓名： | 崔相辉 谢剑锋 张丰 丁琳 李增顺 郝震寰 刘勇 赵起超 |
| |
| 作者单位： | 山东科技大学测绘科学与工程学院,山东青岛,266590;河北省环境监测中心,河北石家庄,050051;河北中科遥感信息技术有限公司,河北秦皇岛,066004;北华航天工业学院，河北廊坊0650 |
| |
| 摘 要： | 本文以京津冀地区为例,选择大气气溶胶光学厚度AOD(Aerosol Optical Depth)和气象参数为影响因子,建立基于深度置信网络DBN(Deep Belief Nets)的PM2.5预测模型,对PM2.5进行有效预测,并与BP神经网络预测结果对比,最后形成整个京津冀地区的PM2.5预测专题图。实验结果表明基于深度学习的置信网络对PM2.5浓度预测效果比BP神经网络更佳,预测精度有较大提高。
|
| 关 键 词： | 深度学习 深度置信网络 PM2.5 气溶胶光学厚度 气象参数 |
Establishment of PM2.5 Forecasting Model Based on Deep Learning |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
