数据预处理对LSTM网络大气污染预测精度分析

摘要：

大气污染物浓度数据具有时序性和非线性的特点,针对时间序列数据中的异常值和缺失值问题,进行异常值和缺失值预处理对长短时记忆神经网络(LSTM)预测精度的影响分析.利用箱线图法判别数据序列中的异常值,以均值替换法、回归插补法和多重插补法进行缺失值的预处理,分别利用原始数据序列和不同预处理方法得到的数据序列,对多变量输入LSTM神经网络的大气污染物预测精度进行对比分析.实验结果表明,三种预处理方法均可明显改善LSTM模型的预测精度,多重插补法精度最高.

关键词：空气污染;时间序列;数据预处理;LSTM模型;预测

所属期刊栏目：49

分类号：TP183(自动化基础理论)

资助基金：辽宁省重点研发计划指导计划项;辽宁省教育厅高等学校创新人才支持计划项目;沈阳市中青年科技创新人才支持计划项目

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1400-1404,1425