[发明专利]基于全连接和LSTM神经网络的空气污染预测建模算法在审

申请号：	202110721769.2	申请日：	2021-06-28
公开（公告）号：	CN113408807A	公开（公告）日：	2021-09-17
发明（设计）人：	李旻	申请（专利权）人：	内蒙古显鸿科技股份有限公司
主分类号：	G06Q10/04	分类号：	G06Q10/04;G06Q10/06;G06N3/04
代理公司：	深圳快马专利商标事务所(普通合伙) 44362	代理人：	赵亮
地址：	010000 内蒙古自治区呼和浩***	国省代码：	内蒙古;15
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	基于连接 lstm 神经网络空气污染预测建模算法
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【权利要求书】：

1.基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于，包括若干个全连接层，其中全连接层包括首部设计的排列、输入层和尾部设计的输出层，且所述全连接层的中部设置若干个基本连接层，每个基本连接层包括若干个基本单元，基本单元之间形成闭环，全连接层上下连接形成LSTM可扩展的多层互联算法。

2.根据权利要求1所述的基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于：所述的基本单元均包括数据存储模块、数据单元模块、模型训练模块、LSTM、建模优化模块，每个基本单元的数据均自首部传向尾部，由F1n层传向Fkn,n表示基本单元个数，k表示基本连接层数，数据经处理后传向输出层输出数据。

3.根据权利要求2所述的基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于：每个所述的建模优化模块包括建模工具、优化算法模型、模型存储模块、优化后的模型存储单元。

4.根据权利要求3所述的基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于：

所述优化算法模型通过建模工具获取目标优化算法的信息，包括函数、约束条件和数据输入；

并将获取到的信息保存在模型文件中；

通过在建模工具中获取目标优化算法模型的基本组件；

对目标以及基本组件和算法模板进行集成并进行目标优算；

建立优化算法模型吗，生成训练后的模型文件；

5.根据权利要求3所述的基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于：所述建模优化模块还包括误差控制模块，误差控制模块的双向连接在优化后的模型存储单元上，通过实测数据的输入经过误差控制模块的范围优化进而对建模结构进行输出；

6.根据权利要求3所述的基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于：所述模型训练模块包括测试集和训练集，且测试集和训练集的输出端均连接在双向LSTM上。

7.根据权利要求3所述的基于全连接和LSTM神经网络的空气污染预测建模算法，其特征在于：所述优化算法模型的目标函数为：

MAX(C1X1+C2X2+...+CiXi)

待建立的目标优化算法模型的约束矩阵为：