基于长短期记忆网络的城市建筑垃圾产量预测

作     者：孙柯华 蔡婷 王伟 吴晓南 刘弘昱 郑虢 Sun Kehua;Cai Ting;Wang Wei;Wu Xiaonan;Liu Hongyu;Zheng Guo

作者机构：上海交通建设总承包有限公司上海200136 四川大学商学院四川成都610064 河海大学港口海岸与近海工程学院江苏南京210098 

基　　金：国家自然科学基金项目(71974052) 江苏省社会科学基金项目(18GLB013) 江苏省水利科技项目(2018022) 

出 版 物：《华东交通大学学报》 (Journal of East China Jiaotong University)

年 卷 期：2020年第37卷第6期

页      码：28-35页

摘      要：为了有效解决建筑垃圾预测问题,从有限样本点的单变量时序数据出发,提出一种基于3层长短期记忆(LSTM)网络的时间序列预测方法,涉及Dropout层与网络结构设计、网络训练与预测过程实现算法等。并以上海市建筑垃圾统计数据为例进行数值实验,通过与其他时间序列预测模型的实验对比,验证了LSTM预测模型在建筑垃圾产量预测的有效性和准确性。

主 题 词：建筑垃圾 LSTM网络 时间序列预测 深度学习 

学科分类：12[管理学] 1204[管理学-公共管理类] 120402[120402] 1201[管理学-管理科学与工程类] 

D　O　I：10.16749/j.cnki.jecjtu.2020.06.004

馆 藏 号：203101712...