Urban air quality data completion method based on spatio-temporal multi-view BP neural network(基于时空多视图BP 神经网络的城市空气质量数据补全方法研究)
针对城市空气质量监测数据缺失的问题，提出一种基于时空多视图BP 神经网络的数据补全方法。采用指数移动平均、普通克里金和非凸矩阵完备作为时空多视图特征，结合映射非线性关系的BP 神经网络，构建数据补全模型。以北京市36 个站点2014 年5 月1 日至2015 年4 月30 日监测的PM2.5、PM10、NO2、CO、O3 和SO2 6 种空气污染物小时浓度为实验数据。实验结果表明，在15% 缺失率下，随机缺失补全的平均相对误差为 0.102~0.154，时间连续缺失补全的平均相对误差为0.161~0.271，空间连续缺失的补全平均相对误差为0.108~ 0.155，优于典型的单视图预测方法和多...
| Main Authors: | , , , , , |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Zhejiang University Press
2019-11-01
|
| Series: | Zhejiang Daxue xuebao. Lixue ban |
| Subjects: | |
| Online Access: | https://doi.org/10.3785/j.issn.1008-9497.2019.06.016 |