基于集成深度学习模型的空气质量指数预测

来源：南京信息工程大学学报·自然科学版杂志2024年第1期北京时间：

作者：路凯丽，杨露，李涛

单位：路凯丽,西安财经大学 统计学院, 西安, 710100,杨露,西安财经大学 统计学院, 西安, 710100,yanglu20497@163.com李涛,西安财经大学 统计学院, 西安, 710100

摘要：大气污染严重危害居民的出行安全和身体健康,空气质量指数(AQI)是一种用于测量空气质量状况的综合指标,对AQI的预测可以提醒公众空气质量信息,使人们做出更明智的出行决策.通过提前预测空气质量的变化,政府和环保部门可以采取应急措施以减轻空气污染.本文提出基于卷积神经网络和门控循环单元的集成深度学习模型(CNN-GRU)对AQI进行预测.其中,卷积神经网络(CNN)提取污染气体浓度和AQI的时空特征并完成特征映射,门控循环单元(GRU)建模时序关系并高效完成计算.选取2014—2022年北京市和广州市的6种主要污染气体(PM2.5、PM10、SO2、CO、NO2、O3)日平均质量浓度和AQI进行实例研究,使用CNN-GRU模型对AQI进行预测,与多元宇宙优化的广义回归神经网络模型(MVO-GRNN)、遗传算法优化的BP神经网络模型(GA-BP)对AQI的预测进行对比分析.实验结果表明,本文提出的CNN-GRU模型对AQI的预测误差最小.

关键词：空气质量指数;卷积神经网络;门控循环单元;集成模型

基金资助：国家社会科学基金青年项目(20CTJ 008);全国统计科学研究重点项目(2021LZ28);陕西省自然科学基金项目(2022JQ-042)