機器學習在時間序列預測上的建模與應用 姜旭初 9787307246904 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202412*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：機器學習在時間序列預測上的建模與應用
ISBN：9787307246904
出版社：武漢大學
著編譯者：姜旭初
頁數：160
所在地：中國大陸 *此為代購商品
書號：1702717
可大量預訂，請先連絡。

內容簡介

隨著工業化和城市化的快速發展，大氣污染問題日益嚴重，對人們的健康狀況和生活質量造成了嚴重影響。本書主要探討機器學習技術在時間序列預測中的建模與應用，特別是針對大氣污染物濃度、空氣質量指數及細顆粒物濃度等關鍵指標的預測。旨在幫助人們深入理解機器學習算法在空氣質量預測領域的建模方法和應用實踐，為解決空氣質量問題提供有力的技術支持。 本書可供高等院校統計學、信息科學等相關專業的學生、教師及科研工作者閱讀參考。

作者簡介

姜旭初，工學博士，中南財經政法大學統計與數學學院講師。2019年獲華中科技大學工學博士學位。主持湖北省自然科學基金項目、中央高校基本科研業務費項目、蘇州高新區科技創新創業人才項目多項，參与國家自然科學基金面上項目多項。在國內外核心期刊發表論文20餘篇，出版學術專著一部，獲授權專利2項。研發的人工智能硬體設備與APP，入選2019年蘇州高新區科技創新創業「領軍人才」。主要研究領域為大數據分析和挖掘、機器學習。

目錄

第1章 緒論
1 1 研究目的和意義
1 2 機器學習在空氣時間序列方向上應用的研究現狀
1 3 主要研究內容
第2章 基於機器學習模型的大氣污染物濃度預測
2 1 基於STL分解TCN-BiLSTM-DMAttention模型的大氣污染物濃度預測
2 1 1 概述
2 1 2 研究方法
2 1 3 實證分析
2 1 4 小結
2 2 基於Improved-PSO的 Prophet-LSTM模型的大氣污染物濃度預測
2 2 1 概述
2 2 2 研究方法
2 2 3 實證分析
2 2 4 小結
2 3 本章小結
第3章 基於機器學習模型的空氣質量指數預測
3 1 基於SSA-BiLSTM-LightGBM模型的空氣質量指數預測
3 1 1 概述
3 1 2 研究方法
3 1 3 實證分析
3 1 4 小結
3 2 基於Transformer-BiLSTM模型的空氣質量指數預測
3 2 1 概述
3 2 2 研究現狀
3 2 3 研究方法
3 2 4 實證分析
3 2 5 實驗結果
3 2 6 小結
3 3 本章小結
第4章 基於機器學習模型的PM。；濃度預測
4 1 基於CEEMADAN-FE-BiLSTM模型的PM：2 5濃度預測
4 1 1 概述
4 1 2 研究方法
4 1 3 實證分析
4 1 4 實驗結果
4 1 5 泛化分析
4 1 6 小結
4 2 基於CEEMDAN-RI-MD-BiLSTM-LEC模型的PM2 5濃度預測
4 2 1 概述
4 2 2 研究方法
4 2 3 實證分析
4 2 4 泛化分析
4 2 5 小結
4 3 基於LSTM-TSLightGBM變權組合模型的PM2 5濃度預測
4 3 1 概述
4 3 2 研究方法
4 3 3 模型結構
4 3 4 實證分析
4 3 5 小結
4 4 本章小結
第5章 基於機器學習模型的臭氧濃度預測
5 1 基於BO-XGBoost-RFE模型的臭氧濃度預測
5 1 2 研究方法
5 1 3 模型結構
5 1 4 實證分析
5 1 5 小結
5 2 基於KNN-Prophet-LSTM模型的臭氧濃度時空預測
5 2 1 概述
5 2 2 研究方法
5 2 3 實證分析
5 2 4 小結
5 3 本章小結
第6章 總結與展望
6 1 研究總結
6 2 研究展望
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。