一种PSO-LSTM预测PM2.5浓度的方法技术

本发明专利技术公开了一种PSO‑LSTM预测PM<subgt;2.5</subgt;浓度的方法，涉及PM<subgt;2.5</subgt;浓度预测技术领域，包括以下步骤，S1、输入参数：获取用于预测的数据包括PM<subgt;10</subgt;、PM<subgt;2.5</subgt;、SO<subgt;2</subgt;、NO<subgt;2</subgt;、O<subgt;3</subgt;、CO、风速、气压、相对湿度和气温；S2、进行筛选：利用互信息的方法对获取的数据进行筛选，得到辅助变量；S3、模型建立：通过得到的辅助变量构建LSTM模型，构造遗忘门、输入门、输出门来更新状态；S4、进行预测。本发明专利技术采用传统LSTM模型结合PSO算法的方式，使PM<subgt;2.5</subgt;预测的预测更为准确，基于PSO‑LSTM的预测方法，利用互信息筛选出相关性较高的辅助变量，以实现辅助变量的降维，通过PSO确定LSTM的最优参数组合，降低LSTM训练成本，充分提取特征，提高了预测精度的同时，也增加了预测的稳定性。

【技术实现步骤摘要】

本专利技术专利涉及一种pm2.5浓度预测方法，具体是涉及一种基于pso-lstm算法的pm2.5浓度预测方法。

技术介绍

1、随着社会环境的绿色发展环境污染问题受到了广泛关注，特别是由于pm2.5引起的空气污染，已经并将在未来很长一段时间内持续成为亟待解决的重大健康危害。长期生活在严重污染的环境下，人的呼吸系统、心血管系统、生殖系统都会逐渐发生病变。同时这些空气污染物能够散射和吸收可见光，使大气能见度下降进而多诱发交通事故，也影响着人们的正常生活。因此，准确的、稳定的空气质量预测对提前进行区域预警以及减少安全事故至关重要，pm2.5浓度预测方法大多基于大气的物理和化学模型，采用数学方法建立大气污染浓度的迁移或扩散模型，再通过计算模拟大气污染物浓度的动态变化，最终达到预测浓度的目的。但是这些模型需要非常丰富的信息数据，而获得这些数据的实际难度较大，单靠经验估计又会对性能产生较大的影响。而且针对某些特定情况的模型又无法适用于其他的场景，这极大的限制了这些模型的应用推广，这些都是传统方法。近几年随着机器学习的不断发展，出现许多通过建立机器学习算法来预测pm2.5本文档来自技高网...

【技术保护点】

1.一种PSO-LSTM预测PM2.5浓度的方法，包括以下步骤，其特征在于：

2.根据权利要求1所述的一种PSO-LSTM预测PM2.5浓度的方法，其特征在于：S3输入计算门it的值表示为下式it＝σ(Wi*(Xt，ht-1)+bi)，其中i表示第i个粒子；σ表示激活函数为Sigmoid的前馈网络层；W表示惯性权值因子；Xt表示t时刻的输入；ht-1表示t-1时刻细胞的状态值；b表示偏置。

3.根据权利要求2所述的一种PSO-LSTM预测PM2.5浓度的方法，其特征在于：在t时刻输入候选状态值gt的值表示为gt＝tanh(Wg*(Xt，ht-1)+bg)，

...

【技术特征摘要】

1.一种pso-lstm预测pm2.5浓度的方法，包括以下步骤，其特征在于：

2.根据权利要求1所述的一种pso-lstm预测pm2.5浓度的方法，其特征在于：s3输入计算门it的值表示为下式it＝σ(wi*(xt，ht-1)+bi)，其中i表示第i个粒子；σ表示激活函数为sigmoid的前馈网络层；w表示惯性权值因子；xt表示t时刻的输入；ht-1表示t-1时刻细胞的状态值；b表示偏置。

3.根据权利要求2所述的一种pso-lstm预测pm2.5浓度的方法，其特征在于：在t时刻输入候选状态值gt的值表示为gt＝tanh(wg*(xt，ht-...

【专利技术属性】
技术研发人员：苗守雷，陈明，马娟娟，刘芳，刘泽澎，单衍闯，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：