基于时间序列延迟相关算法改进LSTM的臭氧浓度预测模型

• 作 者: 铁治欣 程晓宁 林德守 丁成富
• 机 构: 浙江理工大学科技与艺术学院,浙江理工大学,浙江理工大学,聚光科技（杭州）股份有限公司
• 出 处: 软件工程与应用
• 发表日期: 2020年2期
• 关键词: 臭氧 LSTM 时间序列延迟相关算法

臭氧污染日益引起人们的重视,如何准确预报臭氧浓度成为一个重要课题。以杭州市多个站点臭氧的小时监测数据为研究对象,分析不同站点的臭氧浓度变化的相关性,结合长短期记忆(LSTM)神经网络模型提出一个基于时间序列延迟相关算法改进LSTM的臭氧浓度预测模型,通过与传统的LSTM模型和SpaceLSTM模型进行对比实验,结果表明:所提出的方法均方误差最小,预测结果更加准确。