基于LSTM-HFTS-EC的PM2.5区间多尺度组合预测研究

摘要：

针对PM2.5传统点值预测会损失浓度值的波动信息,进而无法充分表示和估计其波动和变化的区间范围,提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法;在结合深度学习和区间多尺度分解方法的基础上,进一步考虑预测误差中隐含的有效信息,建立区间时间序列组合预测模型;该模型能够从随机性较大的时间序列中提取复杂数据特征,解决传统预测方法存在的滞后性以及对误差信息利用不充分等问题;最后,通过实证分析说明该方法适用于具有较大波动的PM2.5区间预测,与已有方法相比具有较高的精确度和良好的适用性.

关键词：区间组合预测、PM2.5、长短期记忆神经网络、误差修正

所属期刊栏目：39

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目;安徽省自然科学基金;安徽省自然科学基金;安徽省高校人文社科重点研究项目

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：59-67