本文主要研究内容
作者张贝娜,冯震华,张丰,杜震洪,刘仁义,周芹（2019）在《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》一文中研究指出：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SO26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视图线性预测方法。研究成果可为城市空气质量数据补全工作提供方法支持,研究思路可为时空数据挖掘提供参考。
Abstract
zhen dui cheng shi kong qi zhi liang jian ce shu ju que shi de wen ti ,di chu yi chong ji yu shi kong duo shi tu BPshen jing wang lao de shu ju bu quan fang fa 。cai yong zhi shu yi dong ping jun 、pu tong ke li jin he fei tu ju zhen wan bei zuo wei shi kong duo shi tu te zheng ,jie ge ying she fei xian xing guan ji de BPshen jing wang lao ,gou jian shu ju bu quan mo xing 。yi bei jing shi 36ge zhan dian 2014nian 5yue 1ri zhi 2015nian 4yue 30ri jian ce de PM2.5、PM10、NO2、CO、O3he SO26chong kong qi wu ran wu xiao shi nong du wei shi yan shu ju 。shi yan jie guo biao ming ,zai 15%que shi lv xia ,sui ji que shi bu quan de ping jun xiang dui wu cha wei 0.102～0.154,shi jian lian xu que shi bu quan de ping jun xiang dui wu cha wei 0.161～0.271,kong jian lian xu que shi de bu quan ping jun xiang dui wu cha wei 0.108～0.155,you yu dian xing de chan shi tu yu ce fang fa he duo shi tu xian xing yu ce fang fa 。yan jiu cheng guo ke wei cheng shi kong qi zhi liang shu ju bu quan gong zuo di gong fang fa zhi chi ,yan jiu sai lu ke wei shi kong shu ju wa jue di gong can kao 。
论文参考文献
论文详细介绍
论文作者分别是来自浙江大学学报(理学版)的张贝娜,冯震华,张丰,杜震洪,刘仁义,周芹，发表于刊物浙江大学学报(理学版)2019年06期论文，是一篇关于数据补全论文,时空论文,多视图论文,神经网络论文,城市空气质量论文,浙江大学学报(理学版)2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自浙江大学学报(理学版)2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：数据补全论文; 时空论文; 多视图论文; 神经网络论文; 城市空气质量论文; 浙江大学学报(理学版)2019年06期论文;