融合机器学习和LSTM的大气污染物浓度预测方法

摘要

本发明提供了一种融合机器学习和LSTM的大气污染物浓度预测方法，包括如下步骤：获取大气污染监控数据，选择训练数据和测试数据，完成数据预处理；针对预测目标和训练数据，构建融合机器学习和LSTM的大气污染物浓度预测模型；将训练数据输入预测模型，对预测模型进行训练；将测试数据输入训练好的模型，得到测试数据的预测结果；分析测试数据预测结果的准确性，若符合要求，则进行模型融合，进行预测，若不符合要求，则调整模型参数，然后进行模型训练。本发明数据简单，计算速度快，充分考虑了大气污染物数据，提取了数据的时间和空间分布特征，预测精度高。