典型文献
基于LSTM-HFTS-EC的PM2.5区间多尺度组合预测研究
文献摘要：
针对PM2.5传统点值预测会损失浓度值的波动信息,进而无法充分表示和估计其波动和变化的区间范围,提出了一种基于长短期记忆模型(LSTM)-混合模糊时间序列(HFTS)-误差修正(EC)的PM2.5区间多尺度组合预测方法;在结合深度学习和区间多尺度分解方法的基础上,进一步考虑预测误差中隐含的有效信息,建立区间时间序列组合预测模型;该模型能够从随机性较大的时间序列中提取复杂数据特征,解决传统预测方法存在的滞后性以及对误差信息利用不充分等问题;最后,通过实证分析说明该方法适用于具有较大波动的PM2.5区间预测,与已有方法相比具有较高的精确度和良好的适用性.
文献关键词：
区间组合预测;PM2.5;长短期记忆神经网络;误差修正
中图分类号：
作者姓名：
罗瑞;刘金培;陈华友;陶志富
作者机构：
安徽大学 商学院,合肥230601;安徽大学 数学科学学院,合肥230601
文献出处：
引用格式：
[1]罗瑞;刘金培;陈华友;陶志富-.基于LSTM-HFTS-EC的PM2.5区间多尺度组合预测研究)[J].重庆工商大学学报（自然科学版）,2022(02):59-67
A类：
HFTS
B类：
EC,PM2,尺度组合,预测研究,波动信息,长短期记忆模型,混合模,模糊时间序列,误差修正,组合预测方法,多尺度分解,分解方法,预测误差,中隐,有效信息,组合预测模型,随机性,复杂数据,数据特征,传统预测,滞后性,信息利用,大波动,区间预测,区间组合预测,长短期记忆神经网络
AB值：
0.369819
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
