一种基于多特征选择算法的污染物浓度反演方法

摘要

本发明公开了一种基于多特征选择算法的污染物浓度反演方法，先对数据集进行归一化，再基于SVD分解协方差矩阵的PCA方法，实现数据集的降维处理，减少冗余数据，将降维后的数据作为带有弹性网络惩罚的自适应多项式回归学习机的输入，该学习机可以自适应调整不同的权重进行特征学习，且该自适应多项式回归学习机具有群组选择能力，结合群组选择结果和He方法初始化长短期记忆神经网络的权重，从而更好的解决梯度消失和梯度爆炸问题，将降维后的数据作为长短期记忆神经网络的的输入，在长短期记忆神经网络中使用TBPTT算法得到更精确的污染物浓度反演值。本发明可以提升数据处理的速度并且提高污染物浓度反演的精度。