基于数据分解和残差修正的空气质量预测方法及系统技术方案

本发明专利技术属于空气质量预测技术领域，具体涉及基于数据分解和残差修正的空气质量预测方法及系统。方法包括：S1，获取空气质量数据；S2，对数据进行清洗和数据特征的筛选；S3，对数据进行归一化处理；S4，利用奇异谱分析，将AQI序列分解为趋势信号、周期信号和噪声信号；S5，重组SSA分量，提取长期趋势信号、周期信号和噪声信号；S6，将数据集划分为训练集、验证集和测试集；S7，将趋势项、周期项带入TCN预测模型中进行训练、预测，输出各TCN预测模型的预测结果，进行叠加和重构；S8，计算残差序列，并采用SVR进行预测和修正；S9，对TCN预测模型进行效果评估；S10，设置对比实验和消融实验，并预测评价指标。

【技术实现步骤摘要】

本专利技术属于空气质量预测，具体涉及基于数据分解和残差修正的空气质量预测方法及系统。

技术介绍

1、空气质量的预测至关重要，特别是对于可能排放大量有害化学物质的化工厂来说，更应加强对空气质量的监测和管理。

2、空气质量指数(aqi)是一个综合性的评价指数，能将常规监测的空气污染物浓度转化为一个概念性的指数值，以分级表示空气污染的程度和空气质量状况。aqi指数越大，级别越高，表明污染越严重。随着技术的发展，机器学习和深度学习算法能够处理复杂的环境数据，提高预测模型的准确性和稳定性。尽管如此，但是因为大气环境的复杂性以及污染因素的多样性会使得预测存在很大误差。

3、为了提高aqi预测的准确性，应处理好具有非线性、非平滑特性以及突发性的空气质量数据。而现有的预测模型多用svm回归算法、bp神经网络算法和lstm神经网络等，难以找寻到数据之间存在的深层规律，导致预测结果会因为输入数据的波动较大而不理想，鲁棒性和泛化能力也较差，且也存在参数难以确定等问题，无法满足对aqi预测的更高要求。

4、因此，设计一种能够有效提高空气质量指数本文档来自技高网...

【技术保护点】

1.基于数据分解和残差修正的空气质量预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤S2包括如下步骤：

3.根据权利要求2所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤S3包括如下步骤：

4.根据权利要求3所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤S4包括如下步骤：

5.根据权利要求4所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤S5中，选取SSA分量中的前2个分量为趋势项，第3-8个分量为周期项，第9-10个分...

【技术特征摘要】

1.基于数据分解和残差修正的空气质量预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤s2包括如下步骤：

3.根据权利要求2所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤s3包括如下步骤：

4.根据权利要求3所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤s4包括如下步骤：

5.根据权利要求4所述的基于数据分解和残差修正的空气质量预测方法，其特征在于，步骤s5中，选取ssa分量中的前2个分量为趋势项，第3-8个分量为周期项，第9-10个分量为噪声项。<...

【专利技术属性】
技术研发人员：项新建，张颖超，肖家乐，厉阳，王世乾，汤卉，张国龙，孙思琪，
申请(专利权)人：浙江科技大学，
类型：发明
国别省市：