文献推荐换一换
基于回声状态网络的PM2.5预测研究
设计了基于ESN(Echo State Network,ESN)神经网络的PM2.5时均值预测方法,并讨论了基于偏最小二乘回归的数据选择方式.在仿真实验中,通过与径向基函数(Radial Basis F...
文献获取基于回声状态网络的PM2.5预测研究
设计了基于ESN(Echo State Network,ESN)神经网络的PM2.5时均值预测方法,并讨论了基于偏最小二乘回归的数据选择方式.在仿真实验中,通过与径向基函数(Radial Basis F...
基于回声状态网络的PM2.5预测研究
本文设计了基于ESN(Echo state network,ESN)神经网络的PM2.5时均值预测方法,并讨论了基于偏最小二乘回归的数据选择方式。在仿真实验中,通过与径向基函数(radial ba...
基于回声状态网络的PM2.5预测研究
本文设计了基于ESN(Echo state network,ESN)神经网络的PM2.5时均值预测方法,并讨论了基于偏最小二乘回归的数据选择方式.在仿真实验中,通过与径向基函数(radial bas...
基于回声状态网络的PMsub2.5/sub预测研究
设计了基于ESN(Echo State Network,ESN)神经网络的PM2.5时均值预测方法,并讨论了基于偏最小二乘回归的数据选择方式.在仿真实验中,通过与径向基函数(Radial Basis F...
基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析
和预测值分别进行空间插值,对比其空间分布的异同.本研究主要工作和得到的结论如下:(1)基于ESN神经网络模型预测北京市PM2.5日均浓度时间序列,并与传统的BP神经网络...
一种基于深度学习的当日PM2.5混合集成预测方法
(VMD)将原始PM2.5序列分解为8个不同频率特性的子序列,采用长短期记忆网络(LSTM),回声状态网络(ESN)和时间卷积网络(TCN)对8个不同频率PM2.5子序列进行并行预测,...
一种基于深度学习的当日PM2.5混合集成预测方法(英文)
采用长短期记忆网络(LSTM),回声状态网络(ESN)和时间卷积网络(TCN)对8个不同频率PM2.5子序列进行并行预测,采用梯度增强决策树(GBDT),对LSTM,ESN和TCN的预测结果...
基于改进ESN和LSTM的线上线下非线性时间序列预测方法研究
通过预测误差和预测速度等指标分析预测结果;将研究的基于RAdam-DA-NLSTM的非线性时间序列预测方法应用于线下高维复杂时间序列中,包含气象PM2.5数据,金融股票数据,...
基于MCP正则化SWESN的时间序列预测方法研究
为提高小世界回声状态网络(SWESN)的非线性拟合能力,提出一种基于MCP正则化SWESN的时间序列预测方法(MCP-SWESN),优化小世界回声状态网络的输出权值,解决常规回归方...
1 2
