基于空间因素LSTM神经网络的空气质量指数预测
AQI指数(Air Quality Index)是传统的衡量空气质量状况好坏的标准之一.随着近年来管控治理污染物意识的提高,对AQI指数进行预测的讨论具有重要意义.长短期记忆神经网络(Long-Short Term Memory,LSTM)在时间序列预测上表现出优异的性能,在各类时间序列预测问题中被广泛使用.为此,以北京市AQI指数预测问题为例,采用小波降噪、LSTM神经网络等方法,结合北京市与周边城市之间的区域关联性,预测AQI指数.并与ARIMA模型、LSTM神经网络进行对比.实验结果表明,降噪后带空间因素的LSTM神经网络相比于其它方法表现更好,更适合预测AQI指数的变化趋势.
AQI指数;空间关联性;小波降噪;LSTM神经网络
51
国家自然科学基金项目:复杂复杂数据下对最优个性化处理方案的估计与统计推断11801360
2021-09-06(万方平台首次上网日期,不代表论文的发表时间)
共9页
194-202