基于多层组合模型的武汉市月平均PM2.5浓度预测

• 作 者: 王徐凯 余华银 杨桂元 陈静 李超
• 机 构: 安徽财经大学统计与应用数学学院
• 出 处: 牡丹江师范学院学报:自然科学版
• 发表日期: 2021年1期
• 关键词: 机器学习 长短期记忆网络 组合预测 machine learning long short-term memory combination forecastin
• 基金项目: 安徽省本科教学质量与教学改革工程项目(2018ylzy004)

构建一款组合预测模型,精准预测武汉市PM2.5浓度,探讨其对地区空气质量产生的影响.研究结果显示,武汉市2020年1-4月份月平均PM2.5浓度实际值远小于预测值,差距最大的2月份,实际月平均PM2.5浓度比预测的正常值低30.37μg/m 3,仅为预测值的55.63%.2020年5月份后,月平均PM2.5浓度预测值与实际值之间差距不明显.说明新冠疫情期间各地居民减少了户外活动,空气质量有明显改善.