计算机应用研究2021，Vol.38Issue(6) ：1809-1814.DOI:10.19734/j.issn.1001-3695.2020.08.0254

基于深度学习的PM2.5浓度长期预测

Long-term prediction of PM2.5 concentration based on deep learning

黄伟建 李丹阳 黄远
计算机应用研究2021，Vol.38Issue(6) ：1809-1814.DOI:10.19734/j.issn.1001-3695.2020.08.0254
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于深度学习的PM2.5浓度长期预测

Long-term prediction of PM2.5 concentration based on deep learning

黄伟建 1李丹阳 1黄远1
扫码查看

作者信息

  • 1. 河北工程大学 信息与电气工程学院,河北 邯郸056038
  • 折叠

摘要

为提高PM2.5长期预测精度,以空气污染物与气象因素作为影响因子,提出一种基于深度学习的TSMN(time series memory network)预测模型.该模型由两个组件构成,本地记忆组件利用外部记忆方式提高模型长程记忆能力,并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测.通过使用不同评价指标将TSMN模型与多种模型进行对比,其中与性能较优的CNN-LSTM模型相比,该模型的RMSE、MAE分别下降5.2％、5.7％,R2提升7.5％.实验结果表明TSMN模型能够有效提高PM2.5浓度的长期预测精度.

关键词

PM2.5浓度预测/深度学习/门控循环单元/时间序列预测

引用本文复制引用

基金项目

河北省自然科学基金(F2015402077)

河北省高等学校科学技术研究项目(QN2018073)

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量4
参考文献量2
段落导航相关论文