科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了探索特殊情况下太原市空气质量预测和评价方法,采用基于灰色关联度法的模糊综合评价方法对太原市疫情防控前后的空气质量进行评价,对相关联的污染物浓度变化进行分析,并以太原市AQI监测数据为基础,结合长短期记忆循环神经网络(LSTM)以及随机梯度下降算法(Adam)建立了太原市空气质量预测模型(即Adam-LSTM模型),并与LSTM模型的预测结果进行了比较。结果显示,在启动一级应急响应加强防控后,太原市的整体空气质量得到改善,个别污染物由于气象及春节等因素未降低,LSTM模型和Adam-LSTM模型预测结果的均方根误差和训练速度分别为0.203 s和12.15 s, 0.183 s和10.35 s。提出的Adam优化算法能够有效提高LSTM神经网络的训练精度和收敛速度,同时具有较小的预测误差,可为环保部门制定提升空气质量相关决策提供数据支持和方法借鉴。
- 单位
