论文部分内容阅读
以北京市为例,利用2015-2018年空气质量监测站台资料,通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型,分析时间精度和空间信息对PM2.5浓度预报的影响。结果表明,神经网络模型的效果普遍比多元线性回归模型好;增加输入数据的时间精度能显著地提高PM2.5浓度日均值预报的准确率;当输入数据的时间精度从一天提高到6小时后,LSTM模型的平均绝对误差从27.39μg/m^3降至20.59μg/m^3,这种效果的提升在显著变好和显著变差的天气情况下更明显;华北地区PM2.5浓度分布有明显的时空