基于Wavelet-LSTM模型的北京空气污染物浓度预测
刘炳春
来明昭
齐鑫
王辉
天津理工大学管理学院,天津,300384
摘要：文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测.研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型.研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高.
关键词：长短期神经记忆网络小波变换空气污染物浓度预测
分类号：X823(环境质量分析与评价)
资助基金：天津市教委社会科学重大项目(2017JWZD16)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 142-149 )
英文信息