考虑周期性的深度学习臭氧预测模型研究——以珠三角为例

作者：陈戴荣; 崔玉祥; 苏悦侬; 吴金橄; 李同文^*

来源：环境监控与预警, 2023, 15(03): 21-28.

• 臭氧
• 预测模型
• 深度学习
• 周期性
• 珠三角

构建了一种长短时记忆神经网络(LSTM)和全连接神经网络(FC)结合的臭氧(O3)预测模型(LSTM-FC),并考虑O3质量浓度的周期性变化规律，以珠三角为例，实现了对其进行高精度预测的目标。结果表明：(1)考虑周期性的LSTM-FC模型24 h预测结果的均方根误差(RMSE)为16.08μg/m3,决定系数(R2)可达0.82,相比未考虑周期性的模型，精度提升了32.28%。(2)考虑周期性的LSTM-FC模型对O3质量浓度低值部分能够取得更精确的预测结果，对高值部分低估的现象改善效果显著。考虑周期性后，大于《环境空气质量标准》(GB 3095—2012)中O3 1 h平均质量浓度一、二级限值的预测结果均得到了一定改善，RMSE分别下降了18.71%和34.90%,R2分别提升了40.42%和134.04%。研究结果表明，考虑周期性的LSTM-FC模型在O3预测方面具有良好的拓展性和应用潜力。

• 单位
  中山大学