基于LSTM的空气质量预测方法

• 作者: 李艳萍 赵晓宇
• 来源期刊: 科技与创新
• 关键词: 空气质量 相关性分析 AQI指数 LSTM神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 理论探索
• 页码范围: 7-9
• 页数: 3页
• 分类号: X831
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2020.07.003

摘要

在智能化、信息化高速发展的当今时代,人工智能(AI)可以为各行各业服务.AI可以高质量地实现大气污染监测.用来衡量污染情况的空气质量指数AQI(Air Quality Index)通常受很多未知因素的影响,采用传统的预测方法精度和效率都比较低.基于长短期记忆网络(long short term memory,LSTM)的预测模型可以很好地利用时序数据中长距离依赖信息的能力,较为精准地预测空气质量AQI指数.结合近几年空气质量的各种影响因素的走势,以鄂尔多斯市2014-2019年的空气污染物监测数据为基础,建立LSTM预测模型;最后采用均方根误差(RMSE)对所建立的模型进行评估.结果 表明,基于LSTM神经网络能较精准地预测空气质量AQI指数,可为环保相关部门和政府治理部门制订相关决策提供科学合理的理论基础和预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李艳萍	鄂尔多斯应用技术学院信息工程系	4	1	1.0	1.0
2	赵晓宇	鄂尔多斯应用技术学院信息工程系	3	1	1.0	1.0