区域VOCs聚集态势RF-LSTM智能感知方法

作者：陆秋琴; 潘婉琪; 黄光球

来源：安全与环境学报, 2022, 22(05): 2832-2844.

DOI：10.13637/j.issn.1009-6094.2021.1051

• 环境工程学
• VOCs聚集
• RF-LSTM
• 浓度预测
• 态势感知

为了提高VOCs质量浓度预测精度，实现VOCs聚集态势感知，采用RF-LSTM方法提出了基于浓度预测的VOCs聚集态势感知法，简称聚集态势感知法，该方法将态势感知的概念引入VOCs研究，将区域VOCs聚集态势直观展示出来。首先在区域网格划分的基础上利用距离平方反比进行空间插值，收集区域VOCs数据信息；其次利用随机森林结合长短时记忆神经网络对网格VOCs质量浓度进行预测；最后根据预测结果计算VOCs聚集态势值，并将态势感知结果可视化。以西安市某区为例进行VOCs质量浓度预测及VOCs聚集态势感知，结果表明：与RF模型、LSTM模型相比，RF-LSTM模型减少了输入变量，实现了VOCs质量浓度预测模型输入参数的优化，降低了预测模型的复杂度，提高了预测精度，得到RF-LSTM模型的平均绝对误差、均方根误差、平均绝对百分比误差分别为6.24、9.75、10.36%;VOCs聚集态势感知能够对区域VOCs聚集的发展趋势和状态进行可视化，传达了更多的信息，具有一定的实用价值。因此，该聚集态势感知方法可以为区域VOCs污染防治和预警提供决策支持。

• 单位
  西安建筑科技大学