基于Wavelet-LSTM模型的北京空气污染物浓度预测

摘要：

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测.研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型.研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高.

关键词：长短期神经记忆网络、小波变换、空气污染物浓度、预测

所属期刊栏目：42

分类号：X823(环境质量分析与评价)

资助基金：天津市教委社会科学重大项目2017JWZD16

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：142-149