基于Prophet-LSTM模型的PM2.5浓度预测研究

摘要

cqvip:作为衡量空气质量的重要指标,准确预测PM2.5浓度变化尤为重要。提出Prophet和长短期记忆(LSTM)相结合的组合预测模型(Prophet-LSTM)。在模型构建过程中,首先利用Prophet模型的可分解方法,将PM2.5日值浓度序列分解成趋势、周期和随机波动分量;然后对趋势和周期分量建立Prophet模型,对随机波动分量建立LSTM模型;最后将各分量的预测值集成得到PM2.5浓度的预测值。以郑州市PM2.5日值浓度数据为例进行实证分析,结果表明,该组合预测模型相较对比模型能够更好地预测PM2.5日值浓度的变化趋势。