基于CRQA-DBN-ELM空气质量数据预测模型

来源：电子测量技术杂志2022年第19期北京时间：

作者：李志刚，秦林林，付多民，孙晓川

单位：1.华北理工大学人工智能学院 河北 唐山 063210;2.河北省工业智能感知重点实验室 河北 唐山 063210

摘要：对空气质量影响因素进行分析与预测是确定关键因素和追溯污染源的简单而有效的途径。针对当前空气质量预测方法预测精度不高，且极易陷入局部最优值的问题，本文提出了一种基于交叉递归定量分析（Cross Recurrence Quantification Analysis, CRQA）与深度置信网络-极限学习机（Deep Belief Network-Extreme Learning Machine, DBN-ELM）的空气质量数据预测方法。首先，采用CRQA对多种空气质量影响因素间的关联度进行分析，筛选出影响空气质量的重要因素。然后，将获取的空气质量主要影响因素输入到DBN-ELM模型中进行预测。其中，DBN用于提取空气质量主要因素的关键特征，ELM用于最终空气质量时序数据的非线性逼近。实验结果表明，在北京奥体中心站点空气质量数据集上，该模型的RMSE值为1.7759，R2为0.9833，优于其他对比模型。进一步，采用散点图与分位比较图方法验证了所提出模型的有效性。

关键词：空气质量预测;CRQA;DBN-ELM

基金资助：河北省高等学校科学技术研究项目（ZD2021088）；国家重点研发计划项目（2017FE0135700）