Indexed by：
Abstract：
为提升PM_(2.5)浓度预测精度,提出基于时空融合与缺失值填补的预测方法。抓住时空相关性,以历史气象和PM_(2.5)浓度数据作为输入,利用长短时记忆神经网络和人工神经网络从时空两个维度对未来一小时PM_(2.5)水平进行预测,用模型树进行融合。由于数据集中存在大量的连续缺失数据,为弥补其带来的不利影响,利用所提算法对预测模型进行辅助。实验结果表明,时空融合比单维度单模型的预测表现更佳,提出的填补算法使预测误差进一步降低。
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机工程与设计
Year： 2020
Issue： 01
Volume： 41
Page： 78-84
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 19
Affiliated Colleges：
