基于特征扩张的融合神经网络的城市PM10浓度预测方法

摘要

本发明涉及一种基于特征扩张的融合神经网络的城市PM10浓度预测方法，包括：步骤S1：基于特征扩张的栈式自编码器和LSTM网络，构建城市PM10浓度预测的模型；步骤S2：从污染物和气象的监测数据中选择训练数据和测试数据；步骤S3：利用训练数据对基于特征扩张的栈式自编码器进行训练；步骤S4：基于高斯函数对栈式自编码器的输出的特征向量进行处理，为不同城市的特征向量计算相应的影响权重，加权求和得到新的特征向量；步骤S5：将新的特征向量输入到LSTM中，进行模型的整体训练；步骤S6：将测试数据输入训练好的模型，衡量测试数据产生的预测结果的误差；步骤S7：将训练和微调好的模型用于空气污染物浓度预测。与现有技术相比，本发明具有预测准确等优点。