基于多元分解的大气污染深度学习预测方法

作者：卫晓旭; 王晓凯; 朱涛; 龚真

来源：计算机仿真, 2021, 38(05): 467-483.

• 预测
• 深度学习
• 多元
• 时间序列

为了有效地控制和治理大气污染,合理预测污染物在大气中浓度,对于提前采取预防措施、有效管理污染活动发挥着重大作用。针对多变量非线性、复杂的时间序列,以及多因素影响预测浓度的问题,提出一种基于多变量分解的非平稳时间序列深度预测方法。首先,确定主要预测变量,并对主变量进行STL(Seasonal and Trend decomposition using Loess, STL)分解得到3个分变量;其次,通过皮尔逊相关系数得出与主变量较为相关的几个相关变量;最后,对3个分变量和其余相关变量进行CNN+BiLSTM混合网络预测并融合得到主变量预测值。通过对太原环境监测站提出的工业园区的大气数据进行实验,预测结果表明,上述预测模型对工业园区大气污染预测模型的优化,并为工业园区大气环境污染防治对策的制定提供准确、及时的数据依据。

• 单位
  电子工程学院