基于小波分析优化PM2.5浓度预测模型

作者：许艺馨; 任杰; 冯磊; 梁莹露; 刘怡明

来源：环境监测管理与技术, 2021, 33(02): 24-34.

DOI：10.19501/j.cnki.1006-2009.2021.02.006

• PM2.5
• 气象要素
• 多元线性回归
• BP神经网络
• 小波分析

采用多元线性回归方法(MLR)和BP神经网络方法(BPNN),按1 h、3 h、6 h、12 h、24 h、48 h预测时长对贵港市2015—2018年PM2.5浓度建模并检验对比模型准确率。结果表明,基于MLR与BPNN都能对PM2.5浓度作预测,预测效果随着预测时长的增加而下降,MLR、BPNN模型预测结果平均绝对误差(MAE)分别为4.01μg/m3～15.48μg/m3、3.89μg/m3～15.63μg/m3。采用小波分析方法对污染物数据优化并再次建模,结果表明,小波-多元线性回归(W-MLR)模型与小波-神经网络(W-BPNN)模型均得到优化,3 h～24 h预测时长优化效果尤为显著,W-MLR、W-BPNN模型预测结果分别使MAE降低1.6%～13.5%、0.8%～9.8%,且后者预测效果优于前者。

• 单位
  环境科学与工程学院; 南京理工大学; 贵港市气象局