blathers23/pm_pred

毕业设计，ConvGRU大气颗粒物浓度预测

课设项目：

用 ConvLSTM 实现 $PM_{10}$ 和 $PM_{2.5}$ 的浓度分布预测

公式：

ConvLSTM：

与 ConvLSTM 论文中的实现方式不同。

$$ I_{t} = Sigmoid(Conv(X_t, W_{xi}) + Conv(H_{t-1}, W_{hi}) + b_i) $$

$$ F_{t} = Sigmoid(Conv(X_t, W_{xf}) + Conv(H_{t-1}, W_{hf}) + b_f) $$

$$ O_{t} = Sigmoid(Conv(X_t, W_{xo}) + Conv(H_{t-1}, W_{ho}) + b_o) $$

$$ \tilde{C_t} = Tanh(Conv(X_t, W_{xc}) + Conv(H_{t-1}, W_{hc}) + b_h) $$

$$ C_t = F_t \odot C_{t-1} + I_t \odot \tilde{C_t} $$

$$ H_t = O_t \odot Tanh(C_t) $$

$$ Pred = ReLU(Conv(X_t, W_{xx}) + Conv(H_t, W_{xh}) + b_{p}) $$

ConvGRU:

$$ R_{t} = Sigmoid(Conv(X_t, W_{xr}) + Conv(H_{t-1}, W_{hr})+b_r) $$

$$ Z_{t} = Sigmoid(Conv(X_t, W_{xz}) + Conv(H_{t-1}, W_{hz})+b_z) $$

$$ \tilde{H_t} = Tanh(Conv(X_t, W_{xh})+Conv(R_t \odot H_{t-1}, W_{rh}) + b_{h}) $$

$$ H_t = Z_t \odot H_{t-1} + (1 - Z_t) \odot \tilde{H_t} $$

$$ Pred = ReLU(Conv(X_t, W_{xx}) + Conv(H_t, W_{xh}) + b_{p}) $$

进度：

update 4/10:

实现了 ConvLSTM 和 ConvGRU 的基本框架，以及训练所需的代码

update 4/11:

1. 实现了 use_random_iter = False 的训练方式
2. 实现了运行自动保存日志的功能
3. 实现了保存和加载功能
4. 优化了随机采样功能的逻辑
5. 完善了注释

update 4/28:

1. 预实验结束，正式开始实验

update 5/4:

1. 实验完成。

update 5/7:

1. 效果图绘制完成。

任务：

关键任务：

• 学习 WRF
• 生成原始数据
• 训练模型
• 撰写论文

闲的没事：

• 实现 Transformer 版本的网络

参考：

[ 1 ]: NIPS 2015: Convolutional LSTM Network

[ 2 ]: 动手学深度学习

[ 3 ]: ConvLSTM实现参考