原文传递
基于DLENN模型的沈阳地区PM2.5浓度预测
| 题名： | 基于DLENN模型的沈阳地区PM2.5浓度预测 |
| 作者： | 蒋洪迅;石晓文;孙彩虹;赵义金 |
| 作者单位： | 中国人民大学 |
| 关键词： | 预测;PM2.5;LSTM;集成模型;神经网络 |
| 摘要： | 受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响，沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征，论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTMEnsembleNeuralNetwork)，内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性，然后釆用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据，本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验，结果表明DLENN预测模型稳定优于其他方法，其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.3%、5.49%。 |
| 期刊名称： | 系统工程 |
| 出版日期： | 202102 |
| 出版年： | 2021 |
| 期： | 02 |
| 页码： | 13-21 |
检索历史
应用推荐
