一种基于时刻关联网络的PM2.5浓度值预测方法

摘要

一种基于时刻关联网络的PM2.5浓度值预测方法，在对PM2.5浓度值历史数据，PM2.5浓度值相关指标的历史数据和气象历史数据数据进行非线性相关分析之外，月份、日期和时刻标签数据，根据提出的编码方式进行无差别量化，并通过构建时序关联的输入层和输出层，针对周期采样的序列数据时刻特性的，可以准确描述PM2.5浓度值时间变化规律。本发明不仅可以充分学习PM2.5浓度数据的时序特性，还可以深度挖掘采集数据周期上的时刻特征，有效地提高当前PM2.5浓度值的预测精度与训练速度，拓宽了神经网络预测的局限性，能够实现周期性采集的长时序数据精准预测。