基于DWT-GRU模型的天津市NO2浓度预测研究
刘炳春1
陈佳丽1
郭晓玲1
王庆山2
1.天津理工大学管理学院,天津 3003842.天津农学院,天津 300384
摘要：为达到准确预测城市空气污染浓度的目的,文章通过结合离散小波分解和门控循环单元构建集成神经网络模型(DWT-GRU),利用2014年1月1日-2019年6月30日的6种主要大气污染物浓度数据及同期的气象信息进行训练,获得最优模型结构,从而实现对未来1d天津市NO2日均浓度的预测.首先将输入数据利用离散型小波变换分解信号,提高输入变量的数据维度,然后利用GRU进行特征学习,通过与其他模型进行对比,表明组合模型能够提供更高的预测精准度和更好的泛化能力.最后分析了政策引导、产业发展、居民生活对天津市NO2浓度的年度变化及季节性变化的影响.
关键词：空气污染二氧化氮排放门循环单元神经网络预测
分类号：X51(大气污染及其防治)
资助基金：国家自然科学基金(71503180)教育部人文社会科学研究项目(20YJA630042)
论文发表日期：2020-06-28
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：7( 94-100 )
英文信息