基于LSTM循环神经网络的PM2.5预测 |
| |
引用本文: | 白盛楠,申晓留.基于LSTM循环神经网络的PM2.5预测[J].计算机应用与软件,2019,36(1). |
| |
作者姓名: | 白盛楠 申晓留 |
| |
作者单位: | 华北电力大学控制与计算机工程学院 北京102200;华北电力大学能源互联网与电力大数据研究所 北京102200 |
| |
基金项目: | 国家自然科学基金;北京市自然科学基金 |
| |
摘 要: | PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM_(2.5)预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM_(2.5)预测模型,实现PM_(2.5)日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM_(2.5)的日值变化趋势。
|
关 键 词: | 空气质量 PM2.5预测 灰色关联度 循环神经网络 LSTM |
PM_(2.5) PREDICTION BASED ON LSTM RECURRENT NEURAL NETWORK |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|