一种基于深度学习的多尺度空气质量预报方法

摘要

本发明涉及一种基于深度学习的多尺度空气质量预报方法，包括以下步骤：获取实时更新的多源融合数据集并进行归一化处理；依据预报时间尺度将多源融合数据集进行划分为大尺度数据集和小尺度数据集；根据用户选择的预报尺度，调用对应尺度的预报模型对数据集进行处理得到预报数据；然后对经过模型运算的预报数据进行反归一化处理，得到预报结果。预报模型包含有CNN、LSTM和DNN，DNN中，第一层和第二层神经网络加入Dropout正则化层，设置dropout比率为0.3，第三层作为预报结果的输出层。