期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MIC-LSTM的水体连续缺失数据插补
被引量:
2
1
作者
周家伟
《长江信息通信》
2023年第3期58-61,共4页
为解决各水体水质监测站点存在大量连续数据缺失问题,提出一种MIC-LSTM预测插补组合模型:首先利用相关性分析最大信息系数(MIC)对水体监测数据中的插补目标变量与环境量之间的关系进行相关性分析,选取MIC值大于设定阈值的特征信息作为...
为解决各水体水质监测站点存在大量连续数据缺失问题,提出一种MIC-LSTM预测插补组合模型:首先利用相关性分析最大信息系数(MIC)对水体监测数据中的插补目标变量与环境量之间的关系进行相关性分析,选取MIC值大于设定阈值的特征信息作为模型输入,之后引入深度学习模型长短时记忆(LSTM)神经网络挖掘输入数据特征信息,对目标变量进行预测插补。与其他插补模型进行对比实验,选用评价指标对加入相关性分析MIC方法的有效性进行评估。结果表明:加入MIC进行特征选取输入特征的LSTM模型预测准确率得到提升,具有更强的预测性能。
展开更多
关键词
水体监测数据插补
时间序列
最大信息系数
长短时记忆神经网络
隔河岩水库
下载PDF
职称材料
题名
基于MIC-LSTM的水体连续缺失数据插补
被引量:
2
1
作者
周家伟
机构
水电工程智能视觉监测湖北省重点实验室三峡大学
三峡大学计算机与信息学院
出处
《长江信息通信》
2023年第3期58-61,共4页
文摘
为解决各水体水质监测站点存在大量连续数据缺失问题,提出一种MIC-LSTM预测插补组合模型:首先利用相关性分析最大信息系数(MIC)对水体监测数据中的插补目标变量与环境量之间的关系进行相关性分析,选取MIC值大于设定阈值的特征信息作为模型输入,之后引入深度学习模型长短时记忆(LSTM)神经网络挖掘输入数据特征信息,对目标变量进行预测插补。与其他插补模型进行对比实验,选用评价指标对加入相关性分析MIC方法的有效性进行评估。结果表明:加入MIC进行特征选取输入特征的LSTM模型预测准确率得到提升,具有更强的预测性能。
关键词
水体监测数据插补
时间序列
最大信息系数
长短时记忆神经网络
隔河岩水库
Keywords
Water monitoring data interpolation
Time series
maximum information coefficient
long short-term memory neural network
Geheyan reservoir
分类号
TP398.1 [自动化与计算机技术—计算机应用技术]
X832 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MIC-LSTM的水体连续缺失数据插补
周家伟
《长江信息通信》
2023
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部