一种基于神经网络的PM2.5逐小时预测方法

摘要

本发明公开了一种基于神经网络的PM2.5逐小时预测方法，方法包括获取气溶胶光学厚度AOD数据、ECMWF气象数据、地基数据及辅助数据，数据初步处理，第一训练样本构建，训练AOD填补模型，预测并补全气溶胶光学厚度AOD数据，第二训练样本构建，训练学习模型得到PM2.5预测模型，预测PM2.5浓度八个步骤。本发明基于深度神经网络补全气溶胶光学厚度AOD数据实现了样本的扩充，并将大气边界层高度BLH修正为大气雾霾层高度HLH用于PM2.5的预测，覆盖面广，解决地基监测PM2.5覆盖面不足的问题，实现了PM2.5浓度的高精度逐小时预测。