一种基于递归神经网络预测空气污染的方法及系统

摘要

一种基于递归神经网络预测空气污染的方法及系统，其步骤包括：收集大气污染浓度和天气数据的当前数据和历史数据；将对应时间段的检测区域大气污染浓度和天气数据，使用稀疏自编码器提取数据特征变成时间序列数据；将整个数据集划分为训练集和测试集两部分；在训练集当中将天气数据作为输入，大气污染浓度作为输出数据，通过梯度下降算法训练递归神经网络模型；使用测试集对训练好的递归神经网络模型进行测试，评估递归神经网络模型；根据当前区域天气数据，通过递归神经网络模型对当前区域的大气污染浓度预测。其系统包括：主机系统、检测模块和稀疏自编码器；本设计能达到将天气预测的数据输入递归神经网络模型预测大气污染情况。