基于KNN-LSTM的PM2.5浓度预测模型

• 作者: 丁成富 宋飞扬 铁治欣 黄泽华
• 来源期刊: 计算机系统应用
• 关键词: PM2.5预测 空间相关性 KNN LSTM
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 193-198
• 页数: 6页
• 字数: 4157字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007490]

摘要

目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测,并没有考虑到空气质量监测站之间的区域关联性,这会导致预测存在一定的片面性.本文利用KNN算法选择目标站点所在区域中与其相关的空间因素,并结合LSTM模型,提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型.以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验,并将KNN-LSTM模型与其他预测模型进行对比,结果显示:模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25％、13.23％;相较于LSTM模型MAE、RMSE分别降低了4.29％、6.99％.表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	铁治欣	浙江理工大学信息学院	30	84	5.0	7.0
5	宋飞扬	浙江理工大学信息学院	2	1	1.0	1.0
6	黄泽华	浙江理工大学信息学院	1	0	0.0	0.0