报告详情
基于深度学习的PM2.5短期预测模型
编号：3958
访问权限：私有
更新：2023-04-21 00:52:26 浏览：498次
张贴报告
报告开始：2023年05月06日 08:42（Asia/Shanghai）
报告时间：1min
所在会场：[SP] 张贴报告专场 [SP-14-1] 14、气溶胶与大气环境
暂无文件
摘要
为了提高PM2.5浓度预报的准确率，解决现有PM2.5浓度预报准确率不高的问题，提出了一种基于卷积神经网络和长短时记忆的深度学习预报测型。首先，综合考虑气温、相对湿度、降水量、风力、能见度等多种气象要素，综合分析气象要素与PM2.5浓度相关性。其次，利用PM2.5浓度数据、气象站点观测数据和气象要素网格实况分析数据进行融合处理，生成用于训练和测试的时空序列数据，并使用卷积神经网络和长短时记忆网络获取时空特征。通过大量实验确定模型中关键参数，然后利用最优参数建立预测模型。最后，使用模型对PM2.5未来24小时浓度进行预测，并与支持向量机、现有的PM2.5预报产品作对比。实验结果表明，相比其他机器学习方法和预报方法，卷积神经网络和长短时记忆相结合的预测方法能有效提高PM2.5浓度未来24小时预测精度，并具有较高的泛化能力。
关键词
PM2.5浓度预测、机器学习、长短时记忆、深度学习,卷积神经网络
报告人
唐伟
中国气象局气象发展与规划院稿件作者
全部评论
重要日期
-
会议日期
05月05日
2023
至05月08日
2023
-
03月31日 2023
初稿截稿日期
-
05月25日 2023
注册截止日期
主办单位
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
承办单位
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
发表评论