一种基于深度学习的城市生活垃圾产生量及其组分联合预测方法及系统

本发明公开了一种基于深度学习的城市生活垃圾产生量及其组分联合预测方法及系统，包括：构建城市的综合数据集；基于Pearson相关系数和灰色关联分析对相关影响因素数据进行特征筛选，获得关键特征；基于深度学习网络构建城市生活垃圾产生量预测模型和组分预测模型，并利用综合数据集对其分别进行训练；基于递归特征自更新机制，将关键特征输入到训练后的城市生活垃圾产生量预测模型中，获得预测的生活垃圾产生量；将预测的垃圾产生量与关键特征结合输入到训练后的组分预测模型中，获得预测的生活垃圾组分量，同时引入总量一致性约束条件，获得生活垃圾各组分比例。本发明能够有效预测目标城市的生活垃圾产生量及其组分。