基于支持向量回归与LSTM的城市PM2.5预测

摘要：

针对城市PM2.5变化的非线性、时序性等特征,提出一种基于支持向量回归(SVR)与长短期记忆(LSTM)相结合的预测模型.采用Morlet小波核函数作为支持向量回归的核函数,并通过改进粒子群算法对其进行参数优化,用SVR算法拟合城市PM2.5值的非线性变化规律进而实现城市PM2.5值的预测;用LSTM方法预测包含时间序列的城市PM2.5值;将SVR与LSTM的预测结果进行非线性叠加得到较优的预测结果.使用某城市三处监测点真实数据集进行实验,结果表明提出的方法较ARMA时间序列、传统SVR以及单一的LSTM等均具有更高的准确度,是一种有效的城市PM2.5预测模型.

关键词：PM2.5预测、支持向量回归、LSTM、改进粒子群算法、Morlet小波、时间序列

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：天津市科技特派员项目;天津市自然科学基金

在线出版日期：2022-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1-9,18