摘要
本发明公开了一种大气碳数据预测方法及系统,包括:对TCCON及GONGGA数据集站点多变量时间序列碳数据进行预处理;划分周期趋势项,趋势分解后采用并行多尺度小波变换进行时频转换,然后进行自适应阈值去噪处理和特征提取,获得数据时频特征;通过特征融合方法对数据时频特征进行加权融合,基于梯度下降调整自适应权重及参数更新,基于融合后的特征训练改进的长短期记忆网络模型,进行大气碳浓度预测,获得预测结果。本发明显著提升了大气碳数据预测的准确性和效率。
技术关键词
特征融合方法
长短期记忆网络
数据预测方法
序列
长短期记忆模型
数据预测系统
数据预测模型
变量
局部特征提取
离散小波变换
站点
栅格
线性插值法
反演系统
多尺度特征
参数
校准
周期
系统为您推荐了相关专利信息
日志分析方法
机器学习模型
数据
序列
可视化界面
超前探测方法
不良地质
数据采集系统
超前探测系统
探测装置
构建知识图谱
管理方法
解析器
时间序列模型
任务调度
数据标注方法
可穿戴设备
模式
可视化显示模块
传感器
时间段
混合预测模型
时间序列分析技术
存储组件
迭代算法