科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着时代发展，空气质量逐渐受到人们的重视，所以对未来空气污染物的变化预测显得尤为重要。首先，针对PM2.5的非线性变化以及变化所具有的周期性，选取完整年度数据进行训练和预测，使用对非线性序列数据拟合效果较好的LSTM网络作为初步预测模型，选择合适的滑动窗口，使用训练数据，建立了LSTM网络预测模型。由于LSTM网络预测结果中存在相邻年份误差分布相似，但整年分布不均匀的现象，使用FCM对训练数据及误差进行模糊聚类。通过聚类中心，对当前预测数据进行分类，并利用聚类结果，得到当前预测数据的误差补偿值，对LSTM网络的当前预测结果进行误差补偿，得到最终预测结果。最后，通过合肥2017年至2021年的空气污染数据对该方法进行了验证，结果表明，所建模型的效果优于其他对比模型，具有一定的可行性与有效性。
- 单位
