Presentation Details
基于深度学习的PM2.5短期预测模型
ID：3958
View Protection：PRIVATE
Updated Time：2023-04-21 00:52:26 Hits：1680
Poster Presentation
Start Time：2023-05-06 08:42（Asia/Shanghai）
Duration：1min
Session：SP 张贴报告专场 »
No files
Abstract
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。
Keywords
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
Speaker
唐伟
中国气象局气象发展与规划院Submission Author
All Comments
Important Date
-
Conference Date
May 05
2023
toMay 08
2023
-
Mar 31 2023
Draft paper submission deadline
-
May 25 2023
Registration deadline
Sponsored By
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
Organized By
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）
Contact Information
- 管小彬
- gu******@whu.edu.cn
- +86********
- 孙佳妮
- sc******@aconf.org
- +86********
Submit Comment