基于信号改进深度学习网络的京津冀城市群二氧化氮浓度预测

• 作者: 宫同伟 张洋 刘炳春
• 来源期刊: 中国环境监测
• 关键词: 京津冀城市群 小波分解变换 长短期神经记忆网络 二氧化氮浓度 预测
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 监测新技术|New Monitoring Technology
• 页码范围: 120-128
• 页数: 9页
• 分类号: X831
• 语种: 中文
• DOI: 10.19316/j.issn.1002-6002.2021.01.16

摘要

在中国华北地区,二氧化氮污染仍旧不容忽视,尤其是在机动车辆密集和工业生产相对集中的京津冀城市群.运用小波分解(WD)和长短期记忆(LSTM)神经网络建立了W-LSTM组合模型,用于预测未来京津冀地区二氧化氮日均浓度和分指数.使用2014年1月-2018年5月主要大气污染物数据对组合预测模型进行训练试验,在获得最优模型参数后,使用2018年6月-2019年6月数据进行模型预测性能测试试验.结果 表明,相较于传统的LSTM预测模型,W-LSTM组合预测模型具有更好的预测性能,预测结果的平均绝对百分误差为9.21％.在此基础上,使用最优预测模型对京津冀城市群2019年7月-2020年12月二氧化氮日均浓度进行了预测,并描绘了时空分布图用以表征其时空变化特征.