申请/专利权人：感知集团有限公司

申请日：2021-08-23

公开（公告）日：2022-05-06

公开（公告）号：CN114444561A

主分类号：G06K9/62

分类号：G06K9/62;G06N3/04;G01N15/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.08.22#实质审查的生效;2022.05.06#公开

摘要：本发明公开了一种基于CNNs‑GRU融合深度学习模型的PM2.5预测方法，包括如下步骤：S1：获取某区域若干个监测站的空气质量相关数据，构成多站点多模态空气质量数据集Ω*；S2：对多站点多模态空气质量数据进行预处理，包括数值化编码、缺失值填充、异常值修正、周期性特征构造和数据集划分；S3：基于CNN和GRU，以多站点多模态空气质量数据为输入，构建适用于PM2.5预测的深度学习模型CNNs‑GRU；S4：基于训练集、验证集训练CNNs‑GRU模型，并对模型进行优化；S5：在测试集上运行最优CNNs‑GRU模型，获得某区域未来24小时PM2.5浓度的精细化预测结果。本发明具有考虑多站点多模态空气质量数据的空间分布特征、预测时间步多、泛化能力强和预测准确率高的特点。

主权项：1.一种基于CNNs-GRU融合深度学习模型的PM2.5预测方法，其特征在于：包括如下步骤：S1：获取某区域若干个监测站的空气质量相关数据，构成多站点多模态空气质量数据集Ω*；S2：对多站点多模态空气质量数据进行预处理，包括数值化编码、缺失值填充、异常值修正、周期性特征构造和数据集划分；S3：基于CNN和GRU，以多站点多模态空气质量数据为输入，构建适用于PM2.5预测的深度学习模型CNNs-GRU；S4：基于训练集、验证集训练CNNs-GRU模型，并对模型进行优化；S5：在测试集上运行最优CNNs-GRU模型，获得某区域未来24小时PM2.5浓度的精细化预测结果。

全文数据：

权利要求：

百度查询： 感知集团有限公司 基于CNNs-GRU融合深度学习模型的PM2.5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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD