摘要
PM2.5是衡量空气污染物浓度的重要指标,实现对PM2.5浓度精确预测具有重大的社会意义和应用价值。基于此,提出了一种基于长短期记忆网络(long short-term memory,LSTM)和支持向量回归(support vector regression,SVR)混合模型(long short-term memory-support vector regression,LSTM-SVR)的PM2.5浓度预测方法。该方法通过对SVR模型引入松弛变量,对LSTM模型中较大的预测误差进行修正,从而达到更好的预测效果。以北京市PM2.5浓度数据为例进行实证分析,结果显示,混合模型相较对比模型具有更好的PM2.5浓度预测能力。
作者
王倩影
杨可鑫
WANG Qianying;YANG Kexin
出处
《信息技术与信息化》
2021年第9期33-36,共4页
Information Technology and Informatization
基金
国家自然科学基金青年基金(61602148)
河北省科技计划项目(ZD2021043,QN2018126,BJ2020011和ZD2021319)
河北经贸大学一般项目(2020YB13)资助。
