| 《计算机应用研究》优先出版 » 2021年第38卷 » 第6期 » 图形图像技术 |
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 |
| 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 … 次 |
| 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 | |