基于ZigBee和循环神经网络的城市空气质量预测

摘要

为了提高城市空气质量预测的性能,将ZigBee组网方式应用于城市空气质量传感数据采集,并借助深度学习算法来完成城市空气质量的预测.将ZigBee终端节点和空气质量传感器分散布点,通过路由节点将空气质量数据传送至网关节点,接着在后台服务器存储,然后采用循环神经网络算法对空气质量样本进行训练,充分借助循环神经网络算法对空气质量数据时间序列的循环计算优势,获得稳定的城市空气质量预测模型.实验证明,合理设置隐藏层节点数和历史时间序列权重,能够获得较高的空气质量预测准确率.