基于小波分析优化PM 2.5浓度预测模型

• 作者: 许艺馨 任杰 冯磊 梁莹露 刘怡明
• 来源期刊: 环境监测管理与技术
• 关键词: PM2.5 气象要素 多元线性回归 BP神经网络 小波分析
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究报告
• 页码范围: 24-28,34
• 页数: 6页
• 分类号: X513
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2009.2021.02.006

摘要

采用多元线性回归方法(MLR)和BP神经网络方法(BPNN),按1 h、3 h、6 h、12 h、24 h、48 h预测时长对贵港市2015—2018年PM2.5浓度建模并检验对比模型准确率.结果表明,基于MLR与BPNN都能对PM2.5浓度作预测,预测效果随着预测时长的增加而下降,MLR、BPNN模型预测结果平均绝对误差(MAE)分别为4.01μg/m3～15.48μg/m3、3.89μg/m3～15.63μg/m3.采用小波分析方法对污染物数据优化并再次建模,结果表明,小波-多元线性回归(W-MLR)模型与小波-神经网络(W-BPNN)模型均得到优化,3 h～24 h预测时长优化效果尤为显著,W-MLR、W-BPNN模型预测结果分别使MAE降低1.6％～13.5％、0.8％～9.8％,且后者预测效果优于前者.