科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着经济发展和工业化水平提高，空气污染问题日渐凸显。其中PM2.5对人类健康以及生产生活有较大影响，因其具有非线性、多因素影响等特点，采用一般预测手段难以获得理想的效果。为能更准确预测PM2.5质量浓度，提出一种基于深度残差、卷积神经网络和门控循环单元交叉的融合模型(Residual-Cross-CNN-GRU neural network, RCCG-net),结合杭州地区的气象因素和空气污染物进行PM2.5质量浓度预测，平均绝对误差为3.963 3μg/m3,均方根误差为5.614 6μg/m3,绝对系数为0.962 5。随后利用皮尔逊相关系数作为PM2.5与各特征因子的相关测度，剔除弱相关因子，试验结果表明，该模型结合皮尔逊相关系数之后，预测的平均绝对误差为3.684 1μg/m3,均方根误差为5.405 0μg/m3,绝度系数为0.965 3。
- 单位
