基于KZ滤波和LSTM的上海市O₃预测模型

来源：环境科学杂志2024年第1期北京时间：

作者：吴玲霞,安俊琳,金丹

单位：南京信息工程大学中国气象局气溶胶-云-降水重点开放实验室, 南京 210044,南京信息工程大学中国气象局气溶胶-云-降水重点开放实验室, 南京 210044,上海市环境监测中心, 上海 200235

摘要：针对臭氧长时间序列预测精度及气象特征选择问题,提出通过Kolmogorov Zurbenko（KZ）滤波分解臭氧（O₃）原始序列,利用支持向量回归（SVR）改进的最大最小冗余（mRMR）方法筛选气象特征,之后采用长短期记忆网络（LSTM）实现对上海2023年5~8月静安监测站（城市）、浦东川沙（城郊）和淀山湖（郊区）的O₃预测.结果表明,特征筛选得到对O₃基准和短期分量的最优组合包括气压、温度、湿度、边界层高度和风向.基于LSTM模型对特征筛选后的不同时间分量进行预测,静安站、浦东川沙站和淀山湖站R2分别为0.86、0.83和0.85,RMSE分别为18.26、18.74和20.02 μg·m-3,表明通过分解原始O₃序列能够提高预测精度,特征筛选后的组合能够保持模型的预测性能.

关键词：O3预测,KZ滤波,LSTM,最大最小冗余,灰色关联性,支持向量回归（SVR）,