论文部分内容阅读
为提高PM_(2.5)浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM_(2.5)浓度预测模型,开展未来24 h的PM_(2.5)浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM_(2.5)浓度作为模型输出,分别以PM_(2.5)单要素的RBF神经网络和融合大气污染物、风速、GNSS