基于CEEMDAN-LSTM组合的兰州空气质量指数预测

摘要

针对兰州空气质量指数存在波动大和数据长期依赖性的问题,提出了一种基于CEEMDANLSTM组合的预测模型,并与EEMD-LSTM和LSTM模型进行了比较。首先采用CEEMDAN对兰州空气质量指数序列进行分解,然后使用LSTM神经网络预测得到各个分量,最后叠加各分量的预测值重构空气质量指数预测结果。实验结果表明,CEEMDAN-LSTM模型相比于LSTM模型和EEMD-LSTM模型,具有更小的预测误差和更高的预测精度。这得益于CEEMDAN方法的有效降噪和LSTM模型对长期依赖关系的强大处理能力。因此,该组合模型在兰州空气质量指数预测方面具有一定的实用价值。