一种基于深度神经网络的空气质量预测方法

摘要

本发明涉及一种基于深度神经网络的空气质量预测方法，包括步骤：S1：对不同地点采集各时间点下的各个空气污染物的浓度；S2：将各个污染物浓度排序，获取浓度向量；S3：将不同地点在同一时间点的浓度向量作为一个数据组，将一个时间序列中所有数据组作为一个数据集合；S4：从多个数据集合中选出包含所有污染物浓度值的已知集合，找出待测集合中缺失的污染物浓度的数据组，确定其对应的时间点；S5：从已知集合中挑选出与时间点对应的数据组作为输出数据，将其余数据组作为输入数据，获取输入向量；S6：构建深度神经网络模型，将待测集合中其他数据组作为输入值，输入模型获取输出值作为预测值。与现有技术相比，本发明具有提高预测精度等优点。