典型文献
融合双向GRU的空气质量数据缺失补充算法
文献摘要：
随着我国环境监测体系的进一步发展,环境监管已经建成了以标准监测站为主,微型监测站为辅的环境监测体系.但是微型监测站的数据采集过程中由于一些不可控的因素所导致的数据缺失是不可避免的,而这些数据缺失对分析和挖掘这些监测数据造成了一定的影响.本文针对这种空气质量监测数据的缺失问题提出了一种融合双向GRU的数据缺失补充算法.该算法采用1个正向的GRU网络和1个反向的GRU网络并且使用集成学习的思想来分析缺失数据前向和后向的特征,从而获得缺失数据的补充数据.文章使用沈阳市位于不同区域的3个微型监测站的监测数据进行实验,实验表明,融合双向GRU的空气质量监测数据缺失补充算法相比于传统的均值补差法和单向的GRU插值法具备更好的缺失数据补充效果.
文献关键词：
GRU;数据缺失;环境监测;插值
中图分类号：
作者姓名：
郭昆鹏;祁柏林;刘首正;冯晓宇
作者机构：
中国科学院大学,北京100049;中国科学院 沈阳计算技术研究所,沈阳110168;辽宁省环境监测协会,沈阳110161;辽宁省沈阳生态环境监测中心,沈阳110000
文献出处：
引用格式：
[1]郭昆鹏;祁柏林;刘首正;冯晓宇-.融合双向GRU的空气质量数据缺失补充算法)[J].小型微型计算机系统,2022(07):1345-1349
A类：
B类：
GRU,质量数据,数据缺失,环境监测体系,环境监管,监测站,采集过程,空气质量监测,集成学习,想来,缺失数据,充数,沈阳市,补差,插值法
AB值：
0.2357
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
