文献类型：期刊文章

作　　者：秦喜文[1,2] 王强进[1] 王新民[1] 郭佳静[1] 初晓[3]

Qin Xiwen;Wang Qiangjin;Wang Xinmin;Guo Jiajing;Chu Xiao(School of Mathematics and Statistics,Changchun University of Technology,Changchun 130012,China;Graduate School,Changchun University of Technology,Changchun 130012,China;College of Information Engineering,Changchun University of Finance and Economics,Changchun 130122,China)

机构地区：[1]长春工业大学数学与统计学院,长春130012 [2]长春工业大学研究生院,长春130012 [3]长春财经学院信息工程学院,长春130122

出　　处：《吉林大学学报（地球科学版）》

基　　金：国家自然科学基金项目(11301036);吉林省教育厅科研项目(JJKH20170540KJ)。

年　　份：2022

卷　　号：52

期　　号：1

起止页码：214-221

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、IC、JST、PA、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：雾霾问题是与社会发展息息相关的热点问题,为了进行PM_(2.5)浓度预测,为有效防治雾霾提供依据,本文提出了改进的VMD(变分模态分解)和LSTM(长短时记忆)神经网络相结合的PM_(2.5)预测模型VMD-LSTM。首先利用阈值法确定VMD方法的分解数目,将历史数据分解成不同序列,然后对每个序列进行预测,最后将每个序列的预测结果求和得到最终的预测结果。将VMD-LSTM模型应用到北京市PM_(2.5)序列的短期预测中,并利用7种评价指标将其与ARIMA(整合移动平均自回归)、RFR(随机森林回归)、LS-SVR(最小二乘支持向量回归)、LSTM等9种模型进行比较。结果表明,在其中的5个误差评价指标中,VMD-LSTM模型表现最优,仅有1个误差指标评价位列第二,在协议指数评价中,VMD-LSTM模型最接近于1,精度最高。其中:VMD-LSTM模型的均方误差为41.10,均方根误差为6.42,平均绝对误差为5.79,协议指数为0.97;而RFR、VMD-LS-SVR、ARIMA和LSTM等9种模型的均方误差范围为60.72~1 058.07,均方根误差范围为7.79~32.53,平均绝对误差范围为7.45~26.14,协议指数为0.39~0.95。相比于其他模型,本文提出的VMD-LSTM模型精度最高。

关 键 词：VMD  LSTM神经网络  阈值法 PM_(2.5)  短期预测  

分 类 号：X513] O213]