基于数据挖掘的空气质量预测模型研究

摘要：

在日益积累的空气质量大数据背景下,面对复杂多变的空气质量状况,文章从数据挖掘技术在空气质量时序数据上的应用角度出发.在时序样本数据清洗后,采用传统自回归移动平均模型对空气质量数据进行研究,分析数据的平稳性、季节性,差分平稳化数据,通过推导求证建立模型进行拟合预测.随后,在时序研究的基础上构建了基于门控循环网络的空气质量预测模型.并通过实验证明了基于循环神经网络的模型较传统模型在预测精度上的提升,在预测步长上也有很大的优势,并具有很好的实际应用价值.

关键词：数据挖掘;ARIMA;GRU网络;预测模型

所属期刊栏目：49

分类号：TP391;X831(计算技术、计算机技术)

在线出版日期：2021-09-14（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：1631-1636