申请/专利权人:重庆工商大学;重庆高新区飞马创新研究院
申请日:2021-10-22
公开(公告)日:2022-01-28
公开(公告)号:CN113988400A
主分类号:G06Q10/04(20120101)
分类号:G06Q10/04(20120101);G06Q50/26(20120101);G06K9/62(20220101);G06N3/04(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.02.18#实质审查的生效;2022.01.28#公开
摘要:本发明公开了一种基于PEARSON‑LSTM多步长融合网络的AQI指数预测方法,包括如下步骤:先通过采集模块获取两个月内的空气质量指数AO,并进行测试集和培训集的分割,根据预测数据库内的数据通过长短期记忆神经网络模块进行多步骤预测,根据多步骤预测后的数据建立预测模型;将培训模型与预测模型利用PEARSON相关系数模块进行比对衡量,确认培训模型与预测模型之间定距变量间的线性关系,得到培训模型与预测模型之间的相似度;最后根据培训模型、预测模型和相似度确定待预测的AQI指数;本发明通过采集模块、长短期记忆神经网络模块和PEARSON相关系数模块的配合实现了基于PEARSON‑LSTM多步长融合网络进行多步骤预测,提高了AQI预测的准确性。
主权项:1.一种基于PEARSON-LSTM多步长融合网络的AQI指数预测方法,其特征在于:包括如下步骤:S1、通过采集模块获取两个月内的空气质量指数AOI;S2、将空气质量指数AOI进行测试集和培训集的分割,通过培训集的数据建立培训模型,通过测试集的数据建立预测数据库;S3、根据预测数据库内的数据通过长短期记忆神经网络模块进行多步骤预测,根据多步骤预测后的数据建立预测模型;S4、将培训模型与预测模型利用PEARSON相关系数模块进行比对衡量,确认培训模型与预测模型之间定距变量间的线性关系,得到培训模型与预测模型之间的相似度;S5、根据培训模型、预测模型和相似度确定待预测的AQI指数。
全文数据:
权利要求:
百度查询: 重庆工商大学;重庆高新区飞马创新研究院 一种基于PEARSON-LSTM多步长融合网络的AQI指数预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。