基于VMD-Transformer-ECM模型的空气中有害气体浓度预测

空气中有害气体的浓度序列具有较强的复杂性、非线性及波动性,为气体浓度的准确预测带来了很大挑战。针对该问题,提出了一种基于变分模态分解(VMD)和误差补偿(ECM)的Transformer预测模型(VMD-Transformer-ECM)。首先通过VMD将气体浓度时间序列分解成不同频率的本征模态函数(IMF),以降低预测模型输入的复杂性和非平稳性;然后通过Transformer模型对分解所得的各模态分量进行预测,并对预测结果进行重构以得到初步预测值;最后通过ECM模型对误差序列进行预测,并使用误差预测值来补偿初步预测值,以进一步提高模型的预测精度。在不同数据集中对所提模型进行了验证,结果显示,与其他模型相比,VMD-Transformer-ECM模型对CO_(2)及其他有害气体浓度预测的平均绝对百分比误差(MAPE)和均方根误差(RMSE)最小,决定系数(R2)最大,其中在预测步长为3 h时,本模型对CO_(2)浓度预测的MAPE为4.38%,RMSE为35.44×10^(-6),R^(2)为0.94,表明所提模型的预测精度较高,预测性能较好。