[发明专利]一种基于递归神经网络预测空气污染的方法及系统在审
| 申请号： | 201811308111.3 | 申请日： | 2018-11-05 |
| 公开（公告）号： | CN109613178A | 公开（公告）日： | 2019-04-12 |
| 发明（设计）人： | 许红龙;黄文俊;张成发 | 申请（专利权）人： | 广东奥博信息产业股份有限公司 |
| 主分类号： | G01N33/00 | 分类号： | G01N33/00;G06N3/04;G06N3/08 |
| 代理公司： | 佛山市禾才知识产权代理有限公司 44379 | 代理人： | 刘羽波;资凯亮 |
| 地址： | 528000 广东省佛山市禅城*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于递归神经网络预测空气污染的方法及系统，其步骤包括：收集大气污染浓度和天气数据的当前数据和历史数据；将对应时间段的检测区域大气污染浓度和天气数据，使用稀疏自编码器提取数据特征变成时间序列数据；将整个数据集划分为训练集和测试集两部分；在训练集当中将天气数据作为输入，大气污染浓度作为输出数据，通过梯度下降算法训练递归神经网络模型；使用测试集对训练好的递归神经网络模型进行测试，评估递归神经网络模型；根据当前区域天气数据，通过递归神经网络模型对当前区域的大气污染浓度预测。其系统包括：主机系统、检测模块和稀疏自编码器；本设计能达到将天气预测的数据输入递归神经网络模型预测大气污染情况。 | ||
| 搜索关键词： | 递归神经网络 天气数据 编码器 训练集 空气污染 稀疏 时间序列数据 检测模块 检测区域 历史数据 模型预测 浓度预测 使用测试 输出数据 提取数据 天气预测 下降算法 主机系统 测试集 时间段 数据集 预测 测试 评估 | ||
【主权项】：
1.一种基于递归神经网络预测空气污染的方法，其特征在于，包括以下步骤：(1)收集每个检测点对大气污染浓度的当前数据和历史数据；收集每个检测点对天气数据的当前数据和历史数据；(2)将对应时间段的检测区域大气污染浓度和天气数据，使用稀疏自编码器提取数据特征变成时间序列数据；将整个数据集划分为训练集和测试集两部分；(3)在训练集当中将天气数据作为输入，大气污染浓度作为输出数据，通过梯度下降算法训练递归神经网络模型；(4)使用测试集的数据对训练好的递归神经网络模型进行测试，评估递归神经网络模型的性能；(5)根据当前区域天气数据，使用递归神经网络模型对当前区域的大气污染浓度进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东奥博信息产业股份有限公司，未经广东奥博信息产业股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811308111.3/，转载请声明来源钻瓜专利网。
- 上一篇：用于鉴定羊水的诊断组合物
- 下一篇：累积高值区的确定方法
