基于改进BCCSA和深层LSTM的空气质量预测方法AET-电子技术应用-最丰富的电子设计资源平台

基于改进BCCSA和深层LSTM的空气质量预测方法
所属分类：技术论文
上传者：aetmagazine
文档大小：480 K
标签：空气质量季节调整改进BCCSA
所需积分：0分积分不够怎么办？
文档介绍：现有的空气质量预测方法很少考虑季节性因素，且预测的效果不佳，因此提出一种基于改进二元混沌乌鸦搜索算法(Binary Chaotic Crow Search Algorithm，BCCSA)和深层长短期记忆神经网络(Long Short Term Memory，LSTM)的空气质量预测方法。首先提出季节调整的方法对收集的原始空气质量数据进行预处理，以消除季节对预测的影响；然后提出改进BCCSA，对空气质量数据进行优化处理；最后，将自注意力机制加入到深层LSTM中，对空气质量数据进行预测。实验结果表明，该方法能有效地提高空气质量的预测精度。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动