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
5
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
基于自适应时序分解的空气污染物浓度预测
被引量:
1
1
作者
凌德森
王晓凯
朱涛
《测控技术》
2023年第1期83-91,98,共10页
为准确、有效地预测空气污染物浓度,建立了基于自适应完整集成经验模态分解(CEEMDAN)和排列熵(PE)的门控循环单元(GRU)空气污染物预测模型。首先利用CEEMDAN算法对非线性信号的自适应分解能力将原始序列分解为一组不同频率、复杂度的固...
为准确、有效地预测空气污染物浓度,建立了基于自适应完整集成经验模态分解(CEEMDAN)和排列熵(PE)的门控循环单元(GRU)空气污染物预测模型。首先利用CEEMDAN算法对非线性信号的自适应分解能力将原始序列分解为一组不同频率、复杂度的固有模态函数(IMF)和一个残差分量(REC),其次根据PE算法将复杂度相近的IMF分量和REC一起进行重新组合,最后将重组后的子序列分别使用GRU模型进行预测,并将子序列预测结果相加得到最终预测结果。实验结果表明,基于CEEMDAN-PE-GRU模型预测的误差明显低于其他模型,验证了该模型对空气污染物浓度预测的有效性。
展开更多
关键词
空气污染物浓度预测
自适应完整集成经验模态分解
排列熵
门控循环单元
神经网络
下载PDF
职称材料
基于GPR-EN时空混合模型的空气污染物浓度预测
被引量:
1
2
作者
任静
贾佳
《电子测量技术》
北大核心
2021年第8期54-58,共5页
针对现有的污染物浓度预测方法大多没有兼顾气象数据的时间和空间特征,导致预测精度大打折扣的问题,提出一种能够同时提取过程数据时间和空间特征的时空混合预测方法GPR-EN。首先,利用弹性网算法(EN)全面分析样本点和目标点的空间关联性...
针对现有的污染物浓度预测方法大多没有兼顾气象数据的时间和空间特征,导致预测精度大打折扣的问题,提出一种能够同时提取过程数据时间和空间特征的时空混合预测方法GPR-EN。首先,利用弹性网算法(EN)全面分析样本点和目标点的空间关联性,并进行时空数据重构,为预测模型提供最优的变量输入。其次,借助于高斯回归模型(GPR)的强泛化能力,能够有效地处理时空数据的复杂非线性特性,更加全面地刻画了历史数据的时空依赖性。最后,在AQI数据集和空气SO_(2)浓度数据集上进行仿真实验,实验结果表明所提方法比对比方法的预测精度提高22%以上。
展开更多
关键词
空气污染物浓度预测
高斯过程回归
弹性网算法
时空特性分析
下载PDF
职称材料
基于改进萤火虫优化算法的SVR空气污染物浓度预测模型
被引量:
8
3
作者
李萍
倪志伟
+1 位作者
朱旭辉
宋娟
《系统科学与数学》
CSCD
北大核心
2020年第6期1020-1036,共17页
为了对空气污染物浓度进行准确预测,提出了基于改进萤火虫优化方法(IGSO)的支持向量机回归(SVR)空气污染物浓度预测模型.首先,利用佳点集理论、拥挤度以及变步长策略对萤火虫优化算法进行改进;其次,根据空气污染物浓度时间序列数据构造...
为了对空气污染物浓度进行准确预测,提出了基于改进萤火虫优化方法(IGSO)的支持向量机回归(SVR)空气污染物浓度预测模型.首先,利用佳点集理论、拥挤度以及变步长策略对萤火虫优化算法进行改进;其次,根据空气污染物浓度时间序列数据构造训练集,运用IGSO算法寻找SVR的最优参数;最后,利用基于最优参数的SVR实现对空气污染物浓度的预测.通过两部分的实验说明文章所提方法的性能.1)在8个标准测试函数上进行多次对比实验,结果显示IGSO算法相比于基于其他改进策略的萤火虫优化方法能够寻找到更优的目标函数值且方差较小,实验表明改进萤火虫优化算法在稳定性及求解精度方面性能较优.2)对京津冀地区空气污染物浓度进行实验,结果显示如下,首先,相比于萤火虫优化算法、粒子群优化算法以及遗传算法,文章基于IGSO对SVR参数的多次寻优结果波动较小,并且所得SVR模型的交叉验证误差及其方差较小;其次,与基于上述其他优化算法的SVR、基于网格搜索的SVR以及BP神经网络相比,文章方法对测试集的预测精度较高.因此,基于IGSO的SVR空气污染物浓度预测模型具有较高稳定性及预测精度.
展开更多
关键词
空气污染物浓度预测
萤火虫优化算法
支持向量机回归
时间序列模型
原文传递
基于时空相关性的LSTM算法及PM_(2.5)浓度预测应用
被引量:
10
4
作者
赵彦明
《计算机应用与软件》
北大核心
2021年第6期249-255,323,共8页
现阶段空气污染物粒子浓度演进过程模拟与预测算法忽视了粒子浓度的空间相关性,且没有实现粒子浓度的时间依赖性与空间相关性融合。对此,提出基于时空相关性的LSTM算法(TS_LSTM)并应用于PM_(2.5)浓度预测。该算法提出空间相关性及其相...
现阶段空气污染物粒子浓度演进过程模拟与预测算法忽视了粒子浓度的空间相关性,且没有实现粒子浓度的时间依赖性与空间相关性融合。对此,提出基于时空相关性的LSTM算法(TS_LSTM)并应用于PM_(2.5)浓度预测。该算法提出空间相关性及其相关因子计算方法;将局部区域相关性因子与LSTM算法的遗忘门和记忆门融合,建立基于局部地理信息的LSTM算法(LTS_LSTM);融合LTS_LSTM算法学习结果与全局空间相关性因子,构造基于全局地理信息时空相关的LSTM算法(GTS_LSTM)。模拟全局与局部的空气污染物粒子浓度演进过程,并实现离子浓度预测。在全局与局部数据集上,将该算法与回归算法、支持向量机、模糊神经网络、LSTM神经网络、GC-LSTM神经网络、DL-LSTM神经网络比较研究,结果表明:在空气粒子浓度预测上,该算法的预测性能优于各种传统预测算法,接近深度LSTM算法。
展开更多
关键词
长短时记忆网络
空气污染物浓度预测
循环神经网络
时空相关性
PM_(2.5)
下载PDF
职称材料
基于遗传算法优化的ELM的空气质量预测研究
被引量:
2
5
作者
许洋
顾海航
《计算机时代》
2022年第9期73-77,共5页
针对空气中常见污染物及气象因素对空气质量的影响具有不确定性,导致预测准确度受限问题,在由WRFCMAQ预报模型基础上得到污染物浓度/气象一次预报数据,结合某监测点提供的长期空气质量检测基础数据(气象以及污染物浓度实际检测数据)对...
针对空气中常见污染物及气象因素对空气质量的影响具有不确定性,导致预测准确度受限问题,在由WRFCMAQ预报模型基础上得到污染物浓度/气象一次预报数据,结合某监测点提供的长期空气质量检测基础数据(气象以及污染物浓度实际检测数据)对空气质量预测进行二次建模,选择ELM(极限学习机)并使用遗传算法对ELM网络模型进行优化,提高空气质量预报中对各项污染物预测的准确性,预测结果满足了10%误差的期望值。
展开更多
关键词
ELM
遗传算法优化方法
空气
质量
预测
二次建模
空气污染物浓度预测
下载PDF
职称材料
题名
基于自适应时序分解的空气污染物浓度预测
被引量:
1
1
作者
凌德森
王晓凯
朱涛
机构
山西大学物理电子工程学院
出处
《测控技术》
2023年第1期83-91,98,共10页
基金
山西省重点研发项目(高新技术领域)(201803D121102)。
文摘
为准确、有效地预测空气污染物浓度,建立了基于自适应完整集成经验模态分解(CEEMDAN)和排列熵(PE)的门控循环单元(GRU)空气污染物预测模型。首先利用CEEMDAN算法对非线性信号的自适应分解能力将原始序列分解为一组不同频率、复杂度的固有模态函数(IMF)和一个残差分量(REC),其次根据PE算法将复杂度相近的IMF分量和REC一起进行重新组合,最后将重组后的子序列分别使用GRU模型进行预测,并将子序列预测结果相加得到最终预测结果。实验结果表明,基于CEEMDAN-PE-GRU模型预测的误差明显低于其他模型,验证了该模型对空气污染物浓度预测的有效性。
关键词
空气污染物浓度预测
自适应完整集成经验模态分解
排列熵
门控循环单元
神经网络
Keywords
air pollutant concentration prediction
CEEMDAN
PE
GRU
neural networks
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于GPR-EN时空混合模型的空气污染物浓度预测
被引量:
1
2
作者
任静
贾佳
机构
郑州科技学院土木建筑工程学院
郑州航空工业管理学院管理工程学院
出处
《电子测量技术》
北大核心
2021年第8期54-58,共5页
基金
河南省软科学研究计划项目(192400410118)资助。
文摘
针对现有的污染物浓度预测方法大多没有兼顾气象数据的时间和空间特征,导致预测精度大打折扣的问题,提出一种能够同时提取过程数据时间和空间特征的时空混合预测方法GPR-EN。首先,利用弹性网算法(EN)全面分析样本点和目标点的空间关联性,并进行时空数据重构,为预测模型提供最优的变量输入。其次,借助于高斯回归模型(GPR)的强泛化能力,能够有效地处理时空数据的复杂非线性特性,更加全面地刻画了历史数据的时空依赖性。最后,在AQI数据集和空气SO_(2)浓度数据集上进行仿真实验,实验结果表明所提方法比对比方法的预测精度提高22%以上。
关键词
空气污染物浓度预测
高斯过程回归
弹性网算法
时空特性分析
Keywords
prediction of air pollutant concentration
Gaussian process regression
elastic net algorithm
temporal and spatial characteristics analysis
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于改进萤火虫优化算法的SVR空气污染物浓度预测模型
被引量:
8
3
作者
李萍
倪志伟
朱旭辉
宋娟
机构
合肥工业大学管理学院
阜阳师范大学信息工程学院
合肥工业大学过程优化与智能决策教育部重点实验室
出处
《系统科学与数学》
CSCD
北大核心
2020年第6期1020-1036,共17页
基金
国家自然科学基金(91546108,71490725,71521001)
安徽省自然科学基金(1708085MG169,2008085QA16)
+3 种基金
安徽省高校自然科学研究重点项目(KJ2018A0556,KJ2019A0949)
安徽省高等学校教学研究项目(2018jyxm0264)
安徽省教育厅人文社会科学项目(JS2017AJRW0135)
阜阳师范大学信息工程学院自然科学重点项目(FXG2020ZZ01)资助课题。
文摘
为了对空气污染物浓度进行准确预测,提出了基于改进萤火虫优化方法(IGSO)的支持向量机回归(SVR)空气污染物浓度预测模型.首先,利用佳点集理论、拥挤度以及变步长策略对萤火虫优化算法进行改进;其次,根据空气污染物浓度时间序列数据构造训练集,运用IGSO算法寻找SVR的最优参数;最后,利用基于最优参数的SVR实现对空气污染物浓度的预测.通过两部分的实验说明文章所提方法的性能.1)在8个标准测试函数上进行多次对比实验,结果显示IGSO算法相比于基于其他改进策略的萤火虫优化方法能够寻找到更优的目标函数值且方差较小,实验表明改进萤火虫优化算法在稳定性及求解精度方面性能较优.2)对京津冀地区空气污染物浓度进行实验,结果显示如下,首先,相比于萤火虫优化算法、粒子群优化算法以及遗传算法,文章基于IGSO对SVR参数的多次寻优结果波动较小,并且所得SVR模型的交叉验证误差及其方差较小;其次,与基于上述其他优化算法的SVR、基于网格搜索的SVR以及BP神经网络相比,文章方法对测试集的预测精度较高.因此,基于IGSO的SVR空气污染物浓度预测模型具有较高稳定性及预测精度.
关键词
空气污染物浓度预测
萤火虫优化算法
支持向量机回归
时间序列模型
Keywords
Air pollution concentration forecast
glowworm swarm optimization algorithm
support vector regression
time series model
分类号
X831 [环境科学与工程—环境工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
基于时空相关性的LSTM算法及PM_(2.5)浓度预测应用
被引量:
10
4
作者
赵彦明
机构
河北民族师范学院数学与计算机科学学院
出处
《计算机应用与软件》
北大核心
2021年第6期249-255,323,共8页
基金
河北省社科基金项目(HB18TJ004)。
文摘
现阶段空气污染物粒子浓度演进过程模拟与预测算法忽视了粒子浓度的空间相关性,且没有实现粒子浓度的时间依赖性与空间相关性融合。对此,提出基于时空相关性的LSTM算法(TS_LSTM)并应用于PM_(2.5)浓度预测。该算法提出空间相关性及其相关因子计算方法;将局部区域相关性因子与LSTM算法的遗忘门和记忆门融合,建立基于局部地理信息的LSTM算法(LTS_LSTM);融合LTS_LSTM算法学习结果与全局空间相关性因子,构造基于全局地理信息时空相关的LSTM算法(GTS_LSTM)。模拟全局与局部的空气污染物粒子浓度演进过程,并实现离子浓度预测。在全局与局部数据集上,将该算法与回归算法、支持向量机、模糊神经网络、LSTM神经网络、GC-LSTM神经网络、DL-LSTM神经网络比较研究,结果表明:在空气粒子浓度预测上,该算法的预测性能优于各种传统预测算法,接近深度LSTM算法。
关键词
长短时记忆网络
空气污染物浓度预测
循环神经网络
时空相关性
PM_(2.5)
Keywords
LSTM
Prediction of air pollutant concentration
Recurrent neural network
Spatio-temporal correlation
PM_(2.5)
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
基于遗传算法优化的ELM的空气质量预测研究
被引量:
2
5
作者
许洋
顾海航
机构
上海理工大学机械工程学院
盐城工学院
出处
《计算机时代》
2022年第9期73-77,共5页
文摘
针对空气中常见污染物及气象因素对空气质量的影响具有不确定性,导致预测准确度受限问题,在由WRFCMAQ预报模型基础上得到污染物浓度/气象一次预报数据,结合某监测点提供的长期空气质量检测基础数据(气象以及污染物浓度实际检测数据)对空气质量预测进行二次建模,选择ELM(极限学习机)并使用遗传算法对ELM网络模型进行优化,提高空气质量预报中对各项污染物预测的准确性,预测结果满足了10%误差的期望值。
关键词
ELM
遗传算法优化方法
空气
质量
预测
二次建模
空气污染物浓度预测
Keywords
ELM
genetic algorithm optimization method
secondary modeling of air quality prediction
prediction of air pollutant concentration
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应时序分解的空气污染物浓度预测
凌德森
王晓凯
朱涛
《测控技术》
2023
1
下载PDF
职称材料
2
基于GPR-EN时空混合模型的空气污染物浓度预测
任静
贾佳
《电子测量技术》
北大核心
2021
1
下载PDF
职称材料
3
基于改进萤火虫优化算法的SVR空气污染物浓度预测模型
李萍
倪志伟
朱旭辉
宋娟
《系统科学与数学》
CSCD
北大核心
2020
8
原文传递
4
基于时空相关性的LSTM算法及PM_(2.5)浓度预测应用
赵彦明
《计算机应用与软件》
北大核心
2021
10
下载PDF
职称材料
5
基于遗传算法优化的ELM的空气质量预测研究
许洋
顾海航
《计算机时代》
2022
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