基于时空优化的多尺度卷积神经网络空气质量预测模型

目前针对空气质量数值预测多采用单一站点时间序列特征进行浓度预测,没有考虑空气质量数值的变化受空间特征的影响。针对该问题提出一种基于时空优化的多尺度神经网络(MSCNN-GALSTM)模型用于空气质量预测,利用一维多尺度卷积核(MSCNN)提取空气质量数据中的局部时间关系和空间特征关系,并进行线性拼接融合,得出多站点多特征的相互时空特征关系,结合长短记忆网络(LSTM)处理时间序列的优势,并引入遗传算法(GA)对LSTM网络的参数集进行全局寻优,把多站点多特征的相互时空关系输入至LSTM网络中,进而输出多站点多特征的长期特征依赖关系。最后将MSCNN-GALSTM模型与单一LSTM基准模型和单尺度卷积神经网络模型进行对比,均方根误差(RMSE)下降约11%,平均预测准确率提升约20%。实验结果表明,MSCNN-GALSTM预测模型在空气质量数据预测中特征提取更加全面、层次更深,预测精度更高,并且表现出了更好的泛化能力。

最小二乘法在空气质量数据优化中的应用

国控点与自建点是对空气质量数据监测的站点,前者准确率高于后者但前者站点成本高于后者,针对国控点空气质量数据与自建点空气质量数据存在差异性的问题,该文提出最小二乘法数学模型并运用其对空气质量数据进行了曲线拟合与拟合效果的检测,得出拟合曲线之后,结合国控点与自建点数据进行分析,最后对自建点数据进行合理优化.实验表明,该方法在空气质量数据优化中得到了较好的优化效果.

基于Android的能耗综合分析App的设计与实现

能耗是近期企业发展所关心的核心问题之一,如何利用有限的能源,最大限度地产出是现代很多人研究的方向。能耗综合分析App是基于Android移动端设计的一款移动应用,通过对能耗的各时间段进行统计,采取云端存储手段及时采集能耗数据,实现对企业能耗的在线监测和产销分析,判断能耗是否超标,从而达到节能的目的。

TG-200型程控交换机软件的研制

我们从1982年起着手研制了一个200门程控小交换机软件。本文简要介绍该软件的基本结构以及在研制过程中运用软件工程原理的一些成功做法,以作为今后开发类似软件的参考。