一种基于聚类的集成神经网络PM2.5预测方法
摘要:
本发明涉及一种基于聚类的集成神经网络PM2.5预测方法,包括以下步骤:S1)获取历史PM2.5数据和气象数据,进行数据预处理后,得到数据集;S2)使用皮尔逊相关系数分析PM2.5与包括气象数据和时间戳的辅助数据的相关性,以利用提取的特征提高聚类性能,以及训练集成神经网络;S3)建立基于风向的聚类方法,以考虑风向对PM2.5的影响,提高预测的精度;S4)建立集神经网络、递归神经网络和长短时间记忆网络于一体的集成神经网络模型来预测PM2.5浓度,以减小单一模型的过拟合问题;S5)以过去一段时间的数据为输入,输入集成神经网络,分析和预测未来的PM2.5数据。该方法有利于提高预测精度,减少计算时间。
公开/授权文献
0/0