基于支持向量回归与LSTM的城市PM2.5预测

作者：尹博文; 张亚娟^*; 王晓芳; 张素琪

来源：河北工业大学学报, 2022, 51(03): 1-18.

DOI：10.14081/j.cnki.hgdxb.2022.03.001

• PM2.5预测
• 支持向量回归
• LSTM
• 改进粒子群算法
• Morlet小波
• 时间序列

针对城市 PM2.5变化的非线性、时序性等特征，提出一种基于支持向量回归 (SVR) 与长短期记忆(LSTM) 相结合的预测模型。采用 Morlet 小波核函数作为支持向量回归的核函数，并通过改进粒子群算法对其进行参数优化，用 SVR 算法拟合城市 PM2.5值的非线性变化规律进而实现城市 PM2.5值的预测；用 LSTM方法预测包含时间序列的城市 PM2.5值；将 SVR 与 LSTM 的预测结果进行非线性叠加得到较优的预测结果。使用某城市三处监测点真实数据集进行实验，结果表明提出的方法较 ARMA 时间序列、传统 SVR 以及单一的 LSTM 等均具有更高的准确度，是一种有效的城市 PM2.5预测模型。

• 单位
  河北工业大学; 天津商业大学