基于改进LSTM网络的空气质量指数预测

分享到

【作者】史学良，李梁，赵清华
【刊名】统计与决策
【作者单位】太原理工大学信息与计算机学院；太原师范学院管理系
【年份】2021
【卷号】第16期
【页码】57-60
【ISSN】1002-6487
【关键词】空气质量指数长短时记忆神经网络集合经验模态分解固有模态分量
【摘要】文章主要研究空气质量指数预测的问题，由于大气中含有PM 2.5 、CO以及SO 2 等多种污染物，使得AQI的预测更加复杂。为解决时间序列数据存在的波动问题，采用集合经验模态分解EEMD对原始AQI数据进行分解，得到IMF分量和残余分量；又因为绝大多数的时间序列数据中既包含线性关系又包含非线性关系，而传统的LSTM网络针对线性数据可能产生过拟合现象，为此提出改进的LSTM网络，以加强对线性关系的表示。实验结果表明，将EEMD与改进的LSTM网络相结合形成的组合预测模型比传统模型的泛化能力更强、预...
【文献类型】期刊