基于多维多步长LSTM网络的区域AQI预测研究

现有空气质量预测方法未同时考虑前期空气质量和气象影响,不能有效体现空气质量的时空依赖性。研究采集2017—2020年重庆市历史气象信息和历史空气质量数据,通过皮尔逊相关性分析,筛选重要的输入变量,构建基于多维多步长LSTM的重庆市空气质量预测模型,并与其他预测模型进行对比分析。结果表明:重庆市AQI与PM_(2.5)、PM_(10)有非常强的正相关性,与能见度、平均温度、湿度、降水量呈较强的负相关性;前7 d的空气质量状态和气象状态对空气质量预测有显著影响,能更准确的预测AQI值。预测损失均方根误差为12.206,平均绝对误差为9.430。