基于LSTM网络的PM2.5浓度预测

摘要

近年来PM2.5问题引起了人们的广泛关注。提出一种基于长短期记忆(LSTM)网络的PM2.5浓度预测方法。通过获取过去24 h的PM2.5、PM10、CO、SO_(2)、NO _(2)、O_(3)等环境数据的变化情况,构建一个基于LSTM门控循环单元的深度学习网络,用于未来24 h的PM2.5浓度预测。通过对比不同网络层数和不同LSTM细胞数量对预测效果的影响,选取最优的网络结构,实现对区域(南京市)未来24 h PM2.5浓度的预测。预测结果表明:基于LSTM网络的PM2.5浓度预测方法是可行的,在一定程度上提高了对真实值的拟合效果,反映PM2.5浓度的变化趋势。