基于改进LSTM网络的空气质量指数预测

作者：史学良; 李梁^*; 赵清华

来源：统计与决策, 2021, 37(16): 57-60.

DOI：10.13546/j.cnki.tjyjc.2021.16.012

• 空气质量指数
• 长短时记忆神经网络
• 集合经验模态分解
• 固有模态分量

文章主要研究空气质量指数(AQI)预测的问题,由于大气中含有PM2.5、CO以及SO2等多种污染物,数据进行分解,得到IMF分量和残余分量;又因为绝大多数的时间序列数据中既包含线性关系又包含非线性关系,而传统的LSTM网络针对线性数据可能产生过拟合现象,为此提出改进的LSTM网络,以加强对线性关系的表示。实验结果表明,将EEMD与改进的LSTM网络相结合形成的组合预测模型比传统模型的泛化能力更强、预测精度更高。

• 单位
  太原师范学院; 太原理工大学