基于SSA-CNN-LSTM模型的空气质量指数预测

摘要

针对当下对空气质量指数预测模型精度不高的问题,提出一种基于麻雀搜索算法(SSA)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的预测模型。利用SSA对CNN-LSTM模型的参数进行寻优,构建SSA-CNN-LSTM模型进行预测,得到对空气质量指数的预测结果。仿真实验结果表明,与其他传统预测模型相比,此模型对空气质量指数的预测结果更为理想,预测的MSE、MAE值分别为4.9949、1.3207,拟合度为99.59%,优于其他对比模型。