基于卷积神经网络的空气质量预测

摘要

cqvip:针对多种因素对空气质量影响的复杂性、非线性等特点,采用卷积神经网络模型和多元线性回归对某市的空气质量进行短期预测,考虑到历史数据对某时刻空气质量的影响,选择过去一段时间6中污染物浓度作为特征因子,输入并训练模型,优化网络中的各项参数,测试结果表明:这两种方法的预测结果与实际的空气质量指数变化趋势一致,且预测的时间越短,预测效果越好,其中卷积神经网络提取了数据的非线性特征,预测效果好于多元线性回归,更适合用于短期的空气质量预测。