基于LSTM融合神经网络预测模型研究

摘要：

针对PM2.5预测中数据来源单一的问题,提出了 LSTM融合神经网络预测模型,首先对气候进行特征抽象,作为预测过程的额外输入,与LSTM网络协同分析.以北京市内监测站点2010-2014年间采集的污染数据和天气数据(采样间隔为1小时)进行实验,并将LSTM模型与其他预测模型进行对比,结果显示:该模型相较于LSTM模型RMSE降低了 11.6％,MAE降低了 14.86％,研究表明本文提出的LSTM融合模型具有更优的预测能力.

关键词：PM2.5预测、长短期记忆神经网络(LSTM)、气象

分类号：TP183(自动化基础理论)

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：87-90