《计算机应用研究》|Application Research of Computers

基于深度学习的PM2.5浓度长期预测

Long-term prediction of PM2.5 concentration based on deep learning

免费全文下载 (已被下载 次)  
获取PDF全文
作者 黄伟建,李丹阳,黄远
机构 河北工程大学 信息与电气工程学院
统计 摘要被查看 次,已被下载
摘要 由于PM2.5数据具有复杂的非线性特点且受多重时空因子影响,因而对PM2.5的精准预测具有极大的挑战性,尤其对于长期预测而言。为提高PM2.5长期预测精度,以空气污染物与气象因素作为影响因子,提出一种基于深度学习的TSMN(Time Series Memory Network)预测模型。该模型由两个组件构成,本地记忆组件利用外部记忆方式提高模型长程记忆能力,并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测。通过使用不同评价指标将TSMN模型与多种模型进行对比,其中与性能较优的CNN-LSTM模型相比,该模型的RMSE、MAE分别下降5.2%、5.7%,R2提升7.5%。实验结果表明TSMN模型能够有效提高PM2.5浓度的长期预测精度。
关键词 PM2.5浓度预测;深度学习;门控循环单元;时间序列预测
基金项目 河北省自然科学基金资助项目(F2015402077)
河北省高等学校科学技术研究项目(QN2018073)
本文URL http://www.arocmag.com/article/02-2021-06-044.html
收稿日期
修回日期
页码 -
中图分类号 TP391
文献标志码