集成AEC和时空特征的工业园区PM2.5浓度预测方法

摘要

一种集成AEC和时空特征的工业园区PM2.5浓度预测方法，包括：1.对气象历史数据、大气污染物浓度历史数据和排放历史数据进行异常值处理和缺失值填补；2.利用有限体积法计算大气自净能力指数ASI；3.将捕捉到的季节、月份或周特征连同园区日排放数据和ASI数据作为AEC特征；4.利用小波分析获得PM2.5浓度变化的主周期，作为时间特征；5.利用相关性分析获得与PM2.5浓度变化相关性强的其它站点数据和其他大气污染物浓度变化数据；6.构建CNN‑BILSTM浓度预测模型，输入为ASI、排放和大气污染物时序数据，输出为未来24h平均PM2.5浓度；7.模型预测，将测试集输入训练好的模型中，输出未来24h平均PM2.5浓度预测值。本发明的预测准确率较高。