基于深度学习的沈阳市春节期间PM2.5浓度预测研究

摘要：

本文利用2016年—2022年沈阳市春节期间逐时空气质量监测数据和气象因子观测资料,基于贝叶斯参数优化,建立了GRU、LSTM深度学习模型以及LGBM、XGBOOST、RF、GBDT树集成学习模型,并且通过4种错误度量标准,将模型进行对比进而得出预测PM2.5浓度的最优模型.结果表明:GRU模型的PM2.5浓度预测准确度最高、训练速度最快、模型最简单,其MSE为32.160,R2为0.973,其次为LSTM模型,GBDT模型的预测效果最差.同时整体来看,深度学习模型要优于常见的树集成学习模型.

关键词：春节期间、PM2.5浓度预测、深度学习

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：86-88