基于LSTM的环境污染时间序列预测模型的研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文研究内容

1.4 本文组织结构

2 相关理论研究基础

2.1 时间序列分析

2.1.1 平稳性检验

2.1.2 白噪声检验

2.2 ARIMA

2.2.1 ARIMA的基本原理

2.2.2 ARIMA建模过程

2.3 RNN神经网络

2.3.1 RNN神经网络原理

2.3.2 RNN的利弊

2.4 LSTM神经网络

2.5 本章小结

3 改进的LSTM神经网络

3.1 改进的LSTM单元结构

3.2 pLSTM的训练

3.3 梯度下降的优化

3.4 本章小结

4 模型的构建

4.1 数据的预处理

4.2 激活函数的选择

4.3 过拟合问题的解决

4.4 基于网格搜索的模型参数优选

4.5 模型的搭建与预测

4.6 本章小结

5 实验及结果分析

5.1 实验环境与数据

5.1.1 实验环境

5.1.2 实验数据与预处理

5.2 度量指标

5.3 相关系数分析

5.4 实验结果与分析

5.4.1 参数优选及预测

5.4.2 不同模型预测的对比实验

5.4.3 不同模型综合对比结果

5.4.4 pLSTM模型的延伸性实验

5.5 本章小结

6 总结与展望

6.1 全文总结

6.2 课题展望

致谢

参考文献