基于LSTM的空气质量历史关联模型研究

Abstract

空气质量关乎个人健康和社会的发展，科学有效的空气质量预测具有十分重要的意义。空气质量指数（AQI）具有 时序性，以往的研究大多忽略了其在时间维度上的特性，也没有对污染物排放量与空气质量的关系进行深入的探讨。为此， 本研究充分考虑AQI数据的时序特征，结合大气污染物排放量，采用长短期记忆网络（LSTM），建立基于时间序列的空气 质量历史关联模型。提出AQI间接预测模式，即先预测空气质量分指数，再根据AQI计算公式得出当日AQI值。设计四组 实验方案，将AQI、空气质量分指数以及大气污染物排放量之间进行变量组合寻优，对比直接预测模式与间接预测模式，以 及加入大气污染物排放量前后的预测效果。研究结果表明，间接预测模式可以达到相对更好的预测效果。