典型文献
基于外界影响及时序因素的PM2.5预测研究
文献摘要：
随着雾霾问题逐渐加重,对其主成分之一PM2.5的预测已成为广泛关注的问题.PM2.5日浓度变化受多种因素影响,且具有非线性、时变性的特征,难以被准确预测.针对此问题,文中提出一种基于外界影响及时序因素的PM2.5日浓度预测方法.该方法分离出PM2.5日浓度的外界主要影响因素与时间因素,建立了基于外界主要影响因素的BP神经网络初步预测模型以及基于时间因素的EEMD-LSTM组合残差修正模型.使用杭州市2014年～2019年间的PM2.5日浓度和其他相关因素数据进行仿真实验.结果表明,相比其他模型,文中所提出预测模型的均方根误差为2.74,预测准确率更高.
文献关键词：
雾霾;PM2.5;BP;EEMD;LSTM;时间序列预测;神经网络;时间序列分解;组合预测
中图分类号：
作者姓名：
杨艳梅;程宗毛
作者机构：
杭州电子科技大学 理学院,浙江 杭州310037
文献出处：
引用格式：
[1]杨艳梅;程宗毛-.基于外界影响及时序因素的PM2.5预测研究)[J].电子科技,2022(03):51-57
A类：
B类：
外界影响,PM2,预测研究,雾霾,浓度变化,时变性,准确预测,浓度预测,时间因素,EEMD,残差修正,修正模型,杭州市,素数,预测准确率,时间序列预测,时间序列分解,组合预测
AB值：
0.332476
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。
