基于LSTM循环神经网络的PM2.5预测

• 作者: 申晓留 白盛楠
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 空气质量 PM2.5预测 灰色关联度 循环神经网络 LSTM
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 67-70,104
• 页数: 5页
• 分类号: TP39
• 字数: 3394字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.012

摘要

PM2.5要素对空气质量影响较大.PM2.5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PM2.5预测指标,提出基于LSTM循环神经网络的PM2.5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PM2.5预测模型,实现PM2.5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PM2.5的日值变化趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	申晓留	华北电力大学能源互联网与电力大数据研究所	34	159	7.0	11.0
2	白盛楠	华北电力大学控制与计算机工程学院	2	20	1.0	2.0