首页|基于DWT-GRU模型的天津市NO2浓度预测研究

基于DWT-GRU模型的天津市NO2浓度预测研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为达到准确预测城市空气污染浓度的目的,文章通过结合离散小波分解和门控循环单元构建集成神经网络模型(DWT-GRU),利用2014年1月1日-2019年6月30日的6种主要大气污染物浓度数据及同期的气象信息进行训练,获得最优模型结构,从而实现对未来1d天津市NO2日均浓度的预测.首先将输入数据利用离散型小波变换分解信号,提高输入变量的数据维度,然后利用GRU进行特征学习,通过与其他模型进行对比,表明组合模型能够提供更高的预测精准度和更好的泛化能力.最后分析了政策引导、产业发展、居民生活对天津市NO2浓度的年度变化及季节性变化的影响.
Study on NO2 Concentration Prediction in Tianjin Based on DWT-GRU Model

刘炳春、陈佳丽、郭晓玲、王庆山

展开 >

天津理工大学管理学院,天津 300384

天津农学院,天津 300384

空气污染 二氧化氮排放 门循环单元 神经网络 预测

国家自然科学基金教育部人文社科规划项目

7150318020YJA630042

2020

10.19672/j.cnki.1003-6504.2020.06.013

环境科学与技术
湖北省环境科学研究院

环境科学与技术

CSTPCDCSCD北大核心
影响因子：0.943
ISSN：1003-6504
年,卷(期)：2020.43(6)
  • 3
  • 1