基于时空融合的缺失值填补算法

摘要：

为提升PM2.5浓度预测精度,提出基于时空融合与缺失值填补的预测方法.抓住时空相关性,以历史气象和PM2.5浓度数据作为输入,利用长短时记忆神经网络和人工神经网络从时空两个维度对未来一小时PM2.5水平进行预测,用模型树进行融合.由于数据集中存在大量的连续缺失数据,为弥补其带来的不利影响,利用所提算法对预测模型进行辅助.实验结果表明,时空融合比单维度单模型的预测表现更佳,提出的填补算法使预测误差进一步降低.

关键词：PM2.5浓度预测、时空融合、缺失值填补、神经网络、模型树

所属期刊栏目：41

分类号：TP181(自动化基础理论)

在线出版日期：2020-04-20（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：78-84