一种用于PM2.5小时浓度预测的混合集成模型制造技术

本发明专利技术公开了一种用于PM2.5小时浓度预测的混合集成模型，涉及PM2.5浓度预测技术领域，包括以下步骤：预先获取输入输出序列，基于CEEMDAN算法分解x(t),(t＝1,...,T)，得到n个有限平稳的IMF分量和残差量，将FCM算法应用于本征函数，并将每个静止的IMF展开成聚类为一组训练数据子集的轨迹矩阵，确定LSTM网络的结构和超参数，并在训练数据子集上进行训练。本发明专利技术实现基于CEEMDAN数据分解和FCM聚类的LSTM网络混合模型预测策略。采用CEEMDAN数据分解方法降低原始PM2.5数据序列的复杂度，采用FCM聚类方法将特征相似的成分聚到一起，利用粒子群优化LSTM网络建立PM2.5预测模型，预测精度高，且计算程度低，适应性强。

【技术实现步骤摘要】
一种用于PM2.5小时浓度预测的混合集成模型
本专利技术涉及PM2.5浓度预测
，具体来说，涉及一种用于PM2.5小时浓度预测的混合集成模型。
技术介绍
随着近些年国民经济和城市化进程的快速发展，空气污染、灰霾事件频发，空气质量预报日益成为政府和公众关注的焦点问题。其中预报的污染物浓度数据包括PM2.5、PM10、O3、NO2、SO2、CO等6种污染物浓度。PM2.5又称细颗粒物，细颗粒物指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质(例如，重金属、微生物等)，且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。现有技术将PM2.5数据分解后都需要一个预测模型，且没有考虑分解分量之间的相似性造成的模型冗余，预测效果差。而现有方案采用CEEMDAN算法将复杂本文档来自技高网...

【技术保护点】
1.一种用于PM2.5小时浓度预测的混合集成模型，其特征在于，包括以下步骤：/n预先获取输入输出序列，表示为：{x(1),x(2),...,x(T)}和{y(1),y(2),...,y(T)}；/n基于CEEMDAN算法分解x(t),(t＝1,...,T)，得到n个有限平稳的IMF分量和残差量；/n将FCM算法应用于本征函数，并将每个静止的IMF展开成聚类为一组训练数据子集的轨迹矩阵；/n确定LSTM网络的结构和超参数，并在训练数据子集上进行训练。/n

【技术特征摘要】
1.一种用于PM2.5小时浓度预测的混合集成模型，其特征在于，包括以下步骤：
预先获取输入输出序列，表示为：{x(1),x(2),...,x(T)}和{y(1),y(2),...,y(T)}；
基于CEEMDAN算法分解x(t),(t＝1,...,T)，得到n个有限平稳的IMF分量和残差量；
将FCM算法应用于本征函数，并将每个静止的IMF展开成聚类为一组训练数据子集的轨迹矩阵；

【专利技术属性】
技术研发人员：张莉，蔡希文，胡平，徐莉，张宇轩，苏庆，
申请(专利权)人：信阳农林学院，
类型：发明
国别省市：河南;41