融合SSAE深度特征学习和LSTM的PM2.5小时浓度预测方法及系统

摘要

本发明涉及一种融合SSAE深度特征学习和LSTM网络的PM2.5小时浓度预测方法及系统，构建SSAE‑LSTM模型，将一定时间步长的空气污染物时间序列输入该模型，采用SSAE网络通过无监督的方法提取输入数据的抽象特征，将提取的特征作为LSTM网络的输入特征，获取一定时间步长内空气污染物信息的特征分布，最后结合全连接网络预测PM2.5小时浓度。本发明能够有效提高预测的准确率。