基于小波分析优化PM 2.5浓度预测模型

摘要

采用多元线性回归方法(MLR)和BP神经网络方法(BPNN),按1 h、3 h、6 h、12 h、24 h、48 h预测时长对贵港市2015—2018年PM2.5浓度建模并检验对比模型准确率.结果表明,基于MLR与BPNN都能对PM2.5浓度作预测,预测效果随着预测时长的增加而下降,MLR、BPNN模型预测结果平均绝对误差(MAE)分别为4.01μg/m3～15.48μg/m3、3.89μg/m3～15.63μg/m3.采用小波分析方法对污染物数据优化并再次建模,结果表明,小波-多元线性回归(W-MLR)模型与小波-神经网络(W-BPNN)模型均得到优化,3 h～24 h预测时长优化效果尤为显著,W-MLR、W-BPNN模型预测结果分别使MAE降低1.6％～13.5％、0.8％～9.8％,且后者预测效果优于前者.