基于Prophet-LSTM模型的PM2.5浓度预测研究

• 作者: 张胜彬 王晓飞 王波 陆玉玉
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: PM2.5浓度预测 Prophet模型 LSTM神经网络 可分解方法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 软件设计、开发与应用
• 页码范围: 133-136
• 页数: 4页
• 分类号: TP319
• 字数: 3243字
• 语种: 中文
• DOI: 10.11907/rjdk.191613

摘要

作为衡量空气质量的重要指标,准确预测PM2.5浓度变化尤为重要.提出Prophet和长短期记忆(LSTM)相结合的组合预测模型(Prophet-LSTM).在模型构建过程中,首先利用Prophet模型的可分解方法,将PM2.5日值浓度序列分解成趋势、周期和随机波动分量;然后对趋势和周期分量建立Prophet模型,对随机波动分量建立LSTM模型;最后将各分量的预测值集成得到PM2.5浓度的预测值.以郑州市PM2.5日值浓度数据为例进行实证分析,结果表明,该组合预测模型相较对比模型能够更好地预测PM2.5日值浓度的变化趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王波	上海理工大学管理学院	162	787	16.0	21.0
2	王晓飞	上海理工大学管理学院	7	7	2.0	2.0
3	陆玉玉	上海理工大学管理学院	2	0	0.0	0.0
4	张胜彬	上海理工大学管理学院	1	0	0.0	0.0