基于DWT-GRU模型的天津市NO2浓度预测研究

摘要：

为达到准确预测城市空气污染浓度的目的,文章通过结合离散小波分解和门控循环单元构建集成神经网络模型(DWT-GRU),利用2014年1月1日-2019年6月30日的6种主要大气污染物浓度数据及同期的气象信息进行训练,获得最优模型结构,从而实现对未来1d天津市NO2日均浓度的预测.首先将输入数据利用离散型小波变换分解信号,提高输入变量的数据维度,然后利用GRU进行特征学习,通过与其他模型进行对比,表明组合模型能够提供更高的预测精准度和更好的泛化能力.最后分析了政策引导、产业发展、居民生活对天津市NO2浓度的年度变化及季节性变化的影响.

关键词：空气污染、二氧化氮排放、门循环单元、神经网络、预测

所属期刊栏目：43

分类号：X51(大气污染及其防治)

资助基金：国家自然科学基金;教育部人文社会科学研究项目

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：94-100