EMD分解に基づく高低周波数IMFを利用したPM2.5濃度予測ハイブリッドモデル

科学分野:

• 環境科学および工学
• 大気科学
• データサイエンスおよび機械学習

背景:

• 中国北部の重工業は深刻な大気汚染を引き起こしており、粒子状物質（PM2.5）はスモッグの原因となる主要な汚染物質です。
• 高いPM2.5濃度は日常生活や産業活動に著しく支障をきたすため、緩和のためには正確な予測が必要です。
• 全国的な効果的な大気汚染制御は、特に中国北部のような地域における堅牢な地域予測モデルに依存しています。

研究 の 目的:

• 中国北部6大都市におけるPM2.5濃度の高度な時間予測モデルを開発および検証すること。
• PM2.5時系列データの時間周波数特性を活用して予測精度を向上させること。
• 当該地域における大気汚染防止および制御戦略のための実用的なツールを提供すること。

主な方法:

• 北京、天津、石家荘、太原、済南、鄭州の時間別PM2.5データを使用しました。
• 非線形・非定常PM2.5データを固有モード関数（IMF）および残差に分解するために、経験的モード分解（EMD）を採用しました。
• 高周波数サブシーケンス予測には長短期記憶（LSTM）、低周波数サブシーケンス予測には自己回帰移動平均（ARIMA）、最終結果の統合にはサポートベクターマシン（SVM）を統合しました（ハイブリッドEMDhlモデル）。

主要な成果:

• Hybrid-EMDhlモデルは、単一の予測モデルと比較して、PM2.5濃度の予測精度を大幅に向上させました。
• モデルは複数の実験で0.69を超える方向性指標（DA）を達成し、優れた方向予測能力を示しました。
• ハイブリッドアプローチは、データ情報を効果的に抽出し、固有の時系列特性を捉え、モデルの適応性を高めます。

結論:

• 提案されたハイブリッドEMDhlモデルは、中国北部における時間別PM2.5予測において実質的な進歩をもたらします。
• モデルの予測精度と方向性の向上は、効果的な大気質管理と公衆衛生保護にとって重要です。
• この研究は、複雑な都市環境における大気汚染物質を予測するための貴重な方法論を提供します。