基于LSTM的空气质量预测模型

摘要：

为了准确预测空气质量,结合实际的天气污染情况,在WRF-CMAQ等一次预报模型的基础上,利用神经网络、机器学习方法中的LSTM算法以及线性学习方法,针对大量的数据进行二次数学建模来提升预测的准确性,同时解决了对现实中存在数据不全导致无法预测的问题.根据预测数据和实际数据对比,建立的空气质量预测模型预测出的数据与真实值的误差均在2％以内.

关键词：机器学习、深度学习、线性回归、统计相关性

所属期刊栏目：49

分类号：TP181;X831(自动化基础理论)

资助基金：西南民族大学研究生创新型科研项目cx2021sp128

在线出版日期：2023-02-27（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：67-73