基于混合深度神经网络的大气污染预测

摘要：

城市空气污染物分布受各种因素的影响,准确预测空气污染物分布情况可以提高环境管理的决策能力,防止严重空气污染事件的发生.基于大量的气象数据和深度学习技术,笔者提出了一种新的大气污染物浓度预测方法.该方法使用卷和、神经网络作为基础层的设计,可自动提取输入数据的特征.输出层运用一个长短时记忆网络,以保证时间依赖性.通过性能优化,该模型可以按时间序列预测未来的细颗粒物(PM2.5)质量浓度.使用郑州市的历史气象数据,将模型预测结果与实际结果进行比较;实验结果表明,与经典深度学习模型相比,该算法提高了预测性能.

关键词：混合深度神经网络、大气污染物浓度预测、细颗粒物(PM2.5)

所属期刊栏目：31

分类号：X51(大气污染及其防治)

在线出版日期：2020-03-24（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：99-101