基于GRU神经网络的有毒气体扩散预测方法

摘要

有毒气体的扩散预测在应急响应中起着重要作用。现有的计算流体力学(CFD)方法存在计算耗时长等问题,无法快速进行毒害气体扩散预测。提出了一种利用深度学习技术进行有毒气体扩散预测的方法。根据有毒气体扩散原理,设计基于GRU的神经网络模型,实现快速、有效的气体扩散浓度的预测。将本文的方法在经典的公开数据集草原牧场数据集上进行验证,实验结果表明本文方法可实现较高精度的气体扩散浓度的预测,并且优于基于BP神经网络模型的方法。