一种融合SSAE深度特征学习和LSTM网络的PM
授权
摘要
本发明涉及一种融合SSAE深度特征学习和LSTM网络的PM2.5小时浓度预测方法及系统，构建SSAE‑LSTM模型，将一定时间步长的空气污染物时间序列输入该模型，采用SSAE网络通过无监督的方法提取输入数据的抽象特征，将提取的特征作为LSTM网络的输入特征，获取一定时间步长内空气污染物信息的特征分布，最后结合全连接网络预测PM2.5小时浓度。本发明能够有效提高预测的准确率。
基本信息
专利标题 ：
一种融合SSAE深度特征学习和LSTM网络的PM2.5小时浓度预测方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN110782093A
申请号 ：
CN201911026860.1
公开（公告）日 ：
2020-02-11
申请日 ：
2019-10-26
授权号 ：
CN110782093B
授权日 ：
2022-05-27
发明人 ：
邬群勇邓丽
申请人 ：
福州大学
申请人地址 ：
福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学
代理机构 ：
福州元创专利商标代理有限公司
代理人 ：
钱莉
优先权 ：
CN201911026860.1
主分类号 ：
G06Q10/04
IPC分类号 ：
G06Q10/04 G06N3/04 G06N3/08 G06Q50/26
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06Q
专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10/00
行政；管理
G06Q10/04
预测或优化，例如线性规划、“旅行商问题”或“下料问题”
法律状态
2022-05-27 ：
授权
2020-03-06 ：
实质审查的生效
IPC(主分类) : G06Q 10/04
申请日 : 20191026
申请日 : 20191026
2020-02-11 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
