首页|数据预处理对LSTM网络大气污染预测精度分析

数据预处理对LSTM网络大气污染预测精度分析

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
大气污染物浓度数据具有时序性和非线性的特点,针对时间序列数据中的异常值和缺失值问题,进行异常值和缺失值预处理对长短时记忆神经网络(LSTM)预测精度的影响分析.利用箱线图法判别数据序列中的异常值,以均值替换法、回归插补法和多重插补法进行缺失值的预处理,分别利用原始数据序列和不同预处理方法得到的数据序列,对多变量输入LSTM神经网络的大气污染物预测精度进行对比分析.实验结果表明,三种预处理方法均可明显改善LSTM模型的预测精度,多重插补法精度最高.
Accuracy Analysis of Air Pollution Prediction for LSTM Network Based on Data Preprocessing

杜英魁、张乙芳、原忠虎、关屏、彭跃

展开 >

沈阳大学信息工程学院 沈阳 110000

沈阳恒源伟业环境检测服务有限公司 沈阳 110000

辽宁省环境监测实验中心 沈阳 110000

空气污染 时间序列 数据预处理 LSTM模型 预测

2018104013LR2016074RC180338

2021

10.3969/j.issn.1672-9722.2021.07.024

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(7)
  • 3
  • 15