基于"分解-集成"的建模思路,構(gòu)建了變分模態(tài)分解（VMD）、彈網(wǎng)懲罰長(zhǎng)短期記憶網(wǎng)絡(luò)（ELSTM）和網(wǎng)格搜索算法（GS）相結(jié)合的多模態(tài)集成預(yù)測(cè)模型（VMD-ELSTM-GS）,并利用蘭州和南京兩個(gè)城市的PM_2.5濃度數(shù)據(jù)進(jìn)行了實(shí)證預(yù)測(cè)。研究結(jié)果表明:彈網(wǎng)正則化的深度學(xué)習(xí)方法ELSTM能夠提高預(yù)測(cè)精度,而基于VMD的"分解-集成"范式能夠有效降低PM_2.5濃度數(shù)據(jù)的非平穩(wěn)、高波動(dòng)程度。 

【文章來源】：統(tǒng)計(jì)學(xué)報(bào). 2020,1(02)

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

南京PM2.5多模態(tài)集成預(yù)測(cè)效果

蘭州PM2.5多模態(tài)集成預(yù)測(cè)效果

圖3 蘭州PM2.5濃度日均值（μg/m3)從表1及圖3、4中可以看出，PM2.5濃度具有含噪音、含極端值、高波動(dòng)等特點(diǎn)。表1中較高的偏度值說明數(shù)據(jù)是非對(duì)稱分布的，峰度是較高的正數(shù)則說明數(shù)據(jù)較標(biāo)準(zhǔn)正態(tài)分布更為陡峭。因此，在建模之前對(duì)數(shù)據(jù)集中的缺失值、離群點(diǎn)進(jìn)行預(yù)處理是很有必要的。本文采用拉依達(dá)法剔除蘭州實(shí)驗(yàn)數(shù)據(jù)的15個(gè)離群點(diǎn)和南京實(shí)驗(yàn)數(shù)據(jù)的26個(gè)離群點(diǎn)，運(yùn)用三次樣條插值法對(duì)原始缺失點(diǎn)和被剔除的離群點(diǎn)重新插值，以使數(shù)據(jù)平滑。


本文編號(hào)：3477227