基于LSTM-HFTS-EC的PM2.5区间多尺度组合预测研究

• 作者: 罗瑞 刘金培 陈华友 陶志富
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 数学
• 关键词: 区间组合预测 PM2.5 长短期记忆神经网络 误差修正
• 年，卷（期）: 2022,（2）
• 页码范围: 59-67
• 页数: 9页
• 分类号: O212
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2022.0002.009

摘要

针对PM2.5传统点值预测会损失浓度值的波动信息,进而无法充分表示和估计其波动和变化的区间范围,提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法;在结合深度学习和区间多尺度分解方法的基础上,进一步考虑预测误差中隐含的有效信息,建立区间时间序列组合预测模型;该模型能够从随机性较大的时间序列中提取复杂数据特征,解决传统预测方法存在的滞后性以及对误差信息利用不充分等问题;最后,通过实证分析说明该方法适用于具有较大波动的PM2.5区间预测,与已有方法相比具有较高的精确度和良好的适用性.