Results 191 to 200 of about 16,016 (204)
Some of the next articles are maybe not open access.
, 2020
目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19 ...
宋飞扬 +7 more
semanticscholar +1 more source
目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19 ...
宋飞扬 +7 more
semanticscholar +1 more source
, 2020
为了进一步提升原油期货价格预测的精准性, 本文基于CEEMDAN分解算法和ELM极限学习机模型, 利用PSO粒子群优化算法对机器学习模型进行参数寻优, 进而构建了CEEMDAN-PSO-ELM模型用于原油期货价格预测. 先基于CEEMDAN算法对原始价格序列进行分解, 然后利用Lempel-Ziv复杂度指数对分量进行重构, 得到高频、中频和低频重构分量, 再采用PSO-ELM模型对每个重构分量进行预测, 利用PACF系数选取模型输入变量, 最终加总集成各分量预测结果.
崔金鑫 +3 more
semanticscholar +1 more source
为了进一步提升原油期货价格预测的精准性, 本文基于CEEMDAN分解算法和ELM极限学习机模型, 利用PSO粒子群优化算法对机器学习模型进行参数寻优, 进而构建了CEEMDAN-PSO-ELM模型用于原油期货价格预测. 先基于CEEMDAN算法对原始价格序列进行分解, 然后利用Lempel-Ziv复杂度指数对分量进行重构, 得到高频、中频和低频重构分量, 再采用PSO-ELM模型对每个重构分量进行预测, 利用PACF系数选取模型输入变量, 最终加总集成各分量预测结果.
崔金鑫 +3 more
semanticscholar +1 more source