基于ARIMA-CNN-LSTM组合模型的空气质量预测,由虫优化器优化
Jiahui Duan1, Yaping Gong2, Jun Luo1
1School of Marine Engineer Equipment, Zhejiang Ocean University, Zhoushan, China.
Scientific reports
|July 26, 2023
概括
本研究引入了一种用于准确预测空气质量指数 (AQI) 的新型组合模型,其性能优于现有方法. 该模型通过提供可靠的AQI预测来增强空气污染管理.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 人工智能的人工智能
背景情况:
- 空气污染对经济发展和公共卫生构成重大威胁.
- 有效和准确的空气质量预测模型对于有效的污染管理至关重要.
研究的目的:
- 为预测空气质量指数 (AQI) 开发一种优质的综合模型.
- 提高空气质量预测的准确性,以更好地管理污染.
主要方法:
- 开发了一个混合模型,将ARIMA用于线性数据模式和CNN-LSTM用于非线性模式.
- 虫优化算法被用来优化CNN-LSTM的超参数,解决超参数设置的挑战.
- 拟议的模型与四个城市的真实AQI数据进行了验证,并与其他九种模型进行了比较.
主要成果:
- 拟议的组合模型在所有指标上都表现出卓越的性能:根平均平方误差 (RMSE),平均绝对误差 (MAE) 和确定系数 (R2).
- 这四个城市的具体RMSE值为7.594,14.94,7.841和5.496.
- 这些MAE值分别为5.285,10.839,5.12和3.77,R2值分别为0.989,0.962,0.953和0.953.
结论:
- 这种新的ARIMA-CNN-LSTM模型与虫优化器的组合在AQI预测中显著优于现有模型.
- 这种先进的模型为空气污染管理和公共卫生保护提供了更准确,更可靠的工具.
