RF-CNN-GRU 深度学习模型

缺失数据下高精度预测

该模型结合随机森林、卷积神经网络和门控循环单元，能在原始数据缺失的情况下准确预测PM2.5浓度，适用于环境监测等场景。

Zhuoyue, Guo · Canyun, Yang · 王冬生 · 刘鸿斌

Process Safety and Environmental Protection: Transactions of the Institution of Chemical Engineers, Part B 2023

技术优势

数据缺失也能预测

采用随机森林填补缺失值，使模型在原始数据不完整时仍能完成预测。

精度显著提升

与单一 CNN、GRU 和 LSTM 模型相比，预测精度显著提高。