目前关于碳排放量的预测还没有一个公认的统一的预测模型,通过阅读文献,可以发现CNN-LSTM模型对居民价格消费指数、短时交通流、中国消费者信心指数以及股票指数问题在预测方面展示出优越的性质,结合碳排放量数据的特性,本文将构建一个基于CNN-LSTM模型的中国碳排放量实时预测模型。通过使用多层CNN网络提取碳排放影响因素的...
CNN-LSTM模型实时预测碳排放量预测是碳中和目标达成工作中的重要组成部分.为了实时预测碳排放量,本文结合卷积神经网络在数据特征提取方面的优势和长短期记忆人工神经网络解决时间序列各个观测值依赖性问题的特点,提出了一种基于CNN-LSTM的碳排放量预测模型.通过选取Carbon Monitor网站中国地区2019—2020年碳排放量的数据,...
基于注意力机制的CNN-LSTM模型及其应用 时序数据存在时序性,并且其短序列的特征存在重要程度差异性。针对时序数据特征,提出一种基于注意力机制的卷积神经网络(CNN)联合长短期记忆网络(LSTM)的神经网络预测模... 李梅,宁德军,郭佳程 - 《计算机工程与应用》 被引量: 0发表: 2019年 基于深度学习的辅助动力装置性能参...
51CTO博客已为您找到关于LSTMCNN时空预测的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及LSTMCNN时空预测问答内容。更多LSTMCNN时空预测相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLO...
基于CNN-Bi-LSTM模型的煤含水率预测研究 煤含水率监测对降低储运煤的碳排放指标意义重大,针对港口煤场堆垛含水率监测需求,提出了一种基于CNN-Bi-LSTM网络的煤炭含水率预测方法,该方法基于卷积神经网络和双向... 刘强,李娜,张淼,... - 《中国煤炭》 被引量: 0发表: 2023年 基于CNN及Bi-LSTM的无人机时序...
基于CNN-Bi-LSTM模型的煤含水率预测研究 煤含水率监测对降低储运煤的碳排放指标意义重大,针对港口煤场堆垛含水率监测需求,提出了一种基于CNN-Bi-LSTM网络的煤炭含水率预测方法,该方法基于卷积神经网络和双向... 刘强,李娜,张淼,... - 《中国煤炭》 被引量: 0发表: 2023年 加载更多研究...
利用CNN 卷积层和池化层为特征提取模块，从而获得了数据特征；将重构信息注入LSTM 网络中挖掘气温的时序特征。结果表明，与单独使用LSTM 、CNN 进行预测及使用ARIMA 模型预测相比，CNN-LSTM 模型预测结果具有更高的准确率。关键词：CNN-LSTM 模型；ARIMA 时间序列模型；全球气温预测；环境问题 中图分类号：X144 文...
构建多特征下的网络融合模型(CNN-BiLSTM-ARIMA),并应用于秦皇岛动力煤(大同优混5800)平仓价预测.选取判定系数R2,平均绝对百分比误差MAPE,均方根误差RMSE作为评价模型的指标,并与单一长短期记忆网络(LSTM),双向长短期记忆网络(BiLSTM)及中间网络进行比较分析,实验结果表明本文提出的融合模型具有更好的预测性能和实用性...
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLO...