基于神经网络的空气质量数据预测分析

作者：徐万镛; 包理群^*; 吴守霞

来源：兰州工业高等专科学校学报, 2021, 28(05): 56-60.

• LSTM神经网络
• 空气质量
• 预测
• Tensorflow

空气质量预测对空气污染防治具有重要意义.选取兰州市2014—2021年小时空气质量指数及PM10等主要污染物浓度数据并进行标准化处理,搭建基于LSTM(长短时记忆型)神经网络的空气质量预测模型.试验基于Tensorflow平台,利用Keras实现了预测模型并完成了预测功能,实现了根据48 h之前的数据对未来12 h AQI数据进行预测;选用MSE均方误差和MAE平均绝对误差评价预测效果,得到MAE为11.05236;最后通过数据反归一化处理得到预测值与真实值的拟合曲线,并与传统3层模型进行对比,说明本文模型具有较好的预测效果.

• 单位
  兰州工业学院; 电子信息工程学院