PM2.5 concentration prediction using weighted CEEMDAN and improved LSTM neural network.

Zhang, Li; Liu, Jinlan; Feng, Yuhan; Wu, Peng; He, Pengkun

Zhang, Li; Liu, Jinlan; Feng, Yuhan; Wu, Peng; He, Pengkun.

Afiliação

Zhang L; School of Information Engineering, Xinyang Agriculture and Forestry University, Xinyang, China.
Liu J; School of Information Engineering, Xinyang Agriculture and Forestry University, Xinyang, China.
Feng Y; School of Information Engineering, Xinyang Agriculture and Forestry University, Xinyang, China. 592136038@qq.com.
Wu P; School of Information Engineering, Xinyang Agriculture and Forestry University, Xinyang, China.
He P; Xinyang Meteorological Bureau, Xinyang, China.

Environ Sci Pollut Res Int ; 30(30): 75104-75115, 2023 Jun.

Article em En | MEDLINE | ID: mdl-37213020

Assuntos

Algoritmos; Redes Neurais de Computação; Humanos; Poluição Ambiental; Mutação; Material Particulado

Palavras-chave

CEEMDAN decomposition; Long short-term memory; PM2.5 prediction; Particle swarm optimization

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Algoritmos / Redes Neurais de Computação Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Revista: Environ Sci Pollut Res Int Assunto da revista: SAUDE AMBIENTAL / TOXICOLOGIA Ano de publicação: 2023 Tipo de documento: Article País de afiliação: China

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google