龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：桂林电子科技大学
摘要：本发明公开了一种基于时序数据的空气质量预测模型构建方法，包括以下步骤：S1、数据集构建；S2、探索性数据分析；S3、空气质量预测模型构建；S4、模型训练；S5、训练结果分析。本发明采用了基于两种不同的神经网络建模方法对空气质量进行预测，两组方法中，通过对数据进行详细分类并且提取关键空气质量影响因子作为初始训练样本，再对初始训练样本进行训练，然后将得到的输出结果与原始实验数据进行对比分析以得出具体结论，使用python进行仿真实验从而实现对某地空气质量数据集进行分析与预测，经过实验测试发现该模型不仅可以较好地对当前空气质量状况做出预测，还可以提高效率、减少不必要的时间成本，从而达到更好的预测效果。
主权项：1.一种基于时序数据的空气质量预测模型构建方法，其特征在于，包括以下步骤：S1、数据集构建：根据需要预测的区域，通过使用Python的pandas库中的read_csv函数读取初始数据，读取出的数据类型为pandas.Dateframe，再对数据进行预处理；S2、探索性数据分析：根据数据集的具体数据，确定空气质量影响因子的数据，再使用Python中的matplotlib库中的函数进行散点图的绘制，在绘制之前，需要对数据进行下一步切分；S3、空气质量预测模型构建：模型包括LSTM-TimeAirQ与In-TimeAirQ；S4、模型训练：根据所构建的模型不同，对设置不同的训练环境与参数来对模型进行训练，环境包括硬件环境与软件环境；S5、训练结果分析：使用相关系数R^2与平均绝对误差MAE对模型进行预测。
全文数据：
权利要求：
百度查询： 桂林电子科技大学 一种基于时序数据的空气质量预测模型构建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号