中国科学引文数据库(CSCD)来源期刊
中国科技核心期刊
环境科学领域高质量科技期刊分级目录T2级期刊
RCCSE中国核心学术期刊
美国化学文摘社(CAS)数据库 收录期刊
日本JST China 收录期刊
世界期刊影响力指数(WJCI)报告 收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于长短期记忆网络-卷积神经网络(LSTM-CNN)的北京市PM2.5浓度预测

于伸庭 刘萍

于伸庭, 刘萍. 基于长短期记忆网络-卷积神经网络(LSTM-CNN)的北京市PM2.5浓度预测[J]. 环境工程, 2020, 38(6): 176-180,66. doi: 10.13205/j.hjgc.202006029
引用本文: 于伸庭, 刘萍. 基于长短期记忆网络-卷积神经网络(LSTM-CNN)的北京市PM2.5浓度预测[J]. 环境工程, 2020, 38(6): 176-180,66. doi: 10.13205/j.hjgc.202006029
YU Shen-ting, LIU Ping. LONG SHORT-TERM MEMORY-CONVOLUTION NEURAL NETWORK (LSTM-CNN) FOR PREDICTION OF PM2.5 CONCENTRATION IN BEIJING[J]. ENVIRONMENTAL ENGINEERING , 2020, 38(6): 176-180,66. doi: 10.13205/j.hjgc.202006029
Citation: YU Shen-ting, LIU Ping. LONG SHORT-TERM MEMORY-CONVOLUTION NEURAL NETWORK (LSTM-CNN) FOR PREDICTION OF PM2.5 CONCENTRATION IN BEIJING[J]. ENVIRONMENTAL ENGINEERING , 2020, 38(6): 176-180,66. doi: 10.13205/j.hjgc.202006029

基于长短期记忆网络-卷积神经网络(LSTM-CNN)的北京市PM2.5浓度预测

doi: 10.13205/j.hjgc.202006029
基金项目: 

国家自然科学基金面上项目(41975152)。

详细信息
    作者简介:

    于伸庭(1995-),男,硕士,主要研究方向为大数据分析与数据挖掘。sjtu_yust@163.com

    通讯作者:

    刘萍(1976-),女,博士,主要研究方向为气溶胶形成机制及空气质量的模拟与预测。ping_liu@sjtu.edu.cn

LONG SHORT-TERM MEMORY-CONVOLUTION NEURAL NETWORK (LSTM-CNN) FOR PREDICTION OF PM2.5 CONCENTRATION IN BEIJING

  • 摘要: 准确预测PM2.5浓度可以有效避免重污染天气对人体带来的危害。现有方法往往重视本地历史信息对PM2.5浓度预测的影响,而忽略空间传输的作用。提出了一种长短期记忆网络和卷积神经网络(LSTM-CNN)相结合的方法,利用历史PM2.5浓度数据、历史气象数据和时间数据,对空气质量监测站未来6 h PM2.5浓度做出预测。该模型主要由2部分组成:1)基于长短期记忆网络的时序预测模型,模拟本地因素对PM2.5浓度预测的影响;2)基于一维卷积神经网络的特征提取模型,模拟周边地区污染物的传输与扩散对PM2.5浓度预测的影响。随机选取了北京市市区及郊区7个监测站在2014-05-01—2015-04-30期间的数据,用于研究和评估LSTM-CNN模型。结果表明:提出的LSTM-CNN模型相比于LSTM模型具有更好的预测效果,且对于郊区站点预测效果的改进略优于市区站点。
  • KIOUMOURTZOGLOU M A,SCHWARTZ J,JAMES P,et al. PM2.5 and mortality in 207 US cities modification by temperature and city characteristics[J]. Epidemiology,2016,27(2): 221-227.
    中华人民共和国环保部.2015中国环境状况公报[Z]. 北京:[2016-06-01

    ].
    CHEN J J,LU J,AVISE J C,et al. Seasonal modeling of PM2.5 in California’s San Joaquin Valley[J]. Atmospheric Environment,2014,92: 182-190.
    WANG Z,MAEDA T,HAYASHI M,et al. A nested air quality prediction modeling system for urban and regional scales: application for high-ozone episode in Taiwan[J]. Water Air & Soil Pollution,2001,130(1/2/3/4): 391-396.
    SAIDE P E,CARMICHAEL G R,SPAK S N,et al. Forecasting urban PM10 and PM2.5 pollution episodes in very stable nocturnal conditions and complex terrain using WRF-Chem CO tracer model[J]. Atmospheric Environment,2011,45(16): 2769-2780.
    LI X,PENG L,YAO X J,et al. Long short-term memory neural network for air pollutant concentration predictions: method development and evaluation[J]. Environmental Pollution,2017,231(1): 997-1004.
    陈宁,毛善君,李德龙,等. 多基站协同训练神经网络的PM2.5预测模型[J]. 测绘科学,2018,241(7): 87-93.
    BOX G E,JENKINS G M. Time series analysis: forecasting and control rev. ed[J]. Journal of Time,1976,31(4): 238-242.
    侯俊雄,李琦,朱亚杰,等. 基于随机森林的PM2.5实时预报系统[J]. 测绘科学,2017,42(1): 1-6.
    GARCÍA NIETO P J,COMBARRO E F,DEL COZ DÍAZ J J,et al. A SVM-based regression model to study the air quality at local scale in Oviedo urban area (Northern Spain): a case study[J]. Applied Mathematics & Computation,2013,219(17): 8923-8937.
    HOOYBERGHS J,MENSINK C,DUMONT G,et al. A neural network forecast for daily average PM10 concentrations in Belgium[J]. Atmospheric Environment,2005,39(18): 3279-3289.
    YU F,ZHANG W F,SUN D Z,et al. Ozone concentration forecast method based on genetic algorithm optimized back propagation neural networks and support vector machine data classification[J]. Atmospheric Environment,2011,45(11): 1979-1985.
    ZHAO J C,DENG F,CAI Y Y,et al. Long short-term memory-Fully connected (LSTM-FC) neural network for PM2.5 concentration prediction[J]. Chemosphere,2019,220: 486-492.
    HUANG C J,KUO P H. A deep CNN-LSTM model for particulate matter (PM2.5) forecasting in smart cities[J]. Sensors,2018,18(7): 2220-0000.
    LIU X D,LIU Q,ZOU Y Y,et al. A self-organizing LSTM-based approach to PM2.5 forecast[C]//International Conference on Cloud Computing and Security.ACM,2018.
    ZHENG Y,LIU F R,HSIEH H P. U-Air: when urban air quality inference meets big data[C]//Acm Sigkdd International Conference on Knowledge Discovery & Data Mining.ACM,2013.
    ZHENG Y,CAPRA L,WOLFSON O,et al. Urban computing: concepts, methodologies, and applications[J]. Acm Transactions on Intelligent Systems & Technology,2014,5(3): 1-2.
    ZHENG Y,YI X W,LI M,et al. Forecasting fine-grained air quality based on big data[C]//Acm Sigkdd International Conference on Knowledge Discovery & Data Mining.ACM,2015.
    SU X,GOUGH W,SHEN Q.Correlation of PM2.5 and meteorological variables in Ontario cities: statistical downscaling method coupled with artificial neural network[C]//Longhurst J W S, Brebbia C A,Barnes J.24th International Conference on Modelling, Monitoring and Management of Air Pollution,Greece,2016:215-226.
    张佳华,侯英雨,李贵才,等. 北京城市及周边热岛日变化及季节特征的卫星遥感研究与影响因子分析[J]. 中国科学:地球科学,2005,35(增刊1): 187-194.
    ZHANG Y X,ZHANG Y M,WANG Y S,et al. PIXE characterization of PM10 and PM2.5 particulate matter collected during the winter season in Shanghai city[J].Journal of Radioanalytical & Nuclear Chemistry,2006,267(2): 497-499.
    王清川,周贺玲,许敏,等. 河北省廊坊市大气污染扩散气象条件影响分析[J]. 防灾科技学院学报,2014,16(3): 1-8.
  • 期刊类型引用(13)

    1. 张亮,杨博文,刘宇衡,张雨,高瑜,李佳诚,李俊辰,林斯杰. 基于机器视觉的生化池监测技术. 环境工程. 2025(03): 1-10 . 本站查看
    2. 廖忠剑,文兴林,刘艳平,邓星星,范存庚,雷剑. 512层螺旋CT薄层扫描结合计算机人工神经网络对小肠病变的诊断价值研究. 医学理论与实践. 2024(09): 1458-1461+1470 . 百度学术
    3. 朱菊香,谷卫,罗丹悦,潘斐,张赵良. 基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模. 中国测试. 2024(07): 53-62 . 百度学术
    4. 顾阔,焦瑞莉,薄宇,刘帅强,王立志. 基于复合LSTM模型的PM_(2.5)浓度预测. 中国环境监测. 2023(01): 170-180 . 百度学术
    5. 罗晓清,王培睿,张战成,吴小俊. 基于PredRNN的蓝藻时空序列预测实验方案设计. 实验技术与管理. 2023(08): 40-48 . 百度学术
    6. 刘恩海,付英健,张智,李妍,赵娜,张军. 联合Transformer注意力机制的PM_(2.5)浓度预测网络研究. 安全与环境学报. 2023(10): 3760-3768 . 百度学术
    7. 韦惠红,李剑,张文言,雷建军,陈璇. 基于深度学习和支持向量机集成学习的PM_(2.5)浓度24 h预测. 华中师范大学学报(自然科学版). 2022(02): 262-269 . 百度学术
    8. 董浩,孙琳,欧阳峰. 基于Informer的PM_(2.5)浓度预测. 环境工程. 2022(06): 48-54+62 . 本站查看
    9. 叶如珊,王海波. 基于CNN-BiLSTM模型的PM_(2.5)浓度预测方法. 数学的实践与认识. 2022(07): 181-188 . 百度学术
    10. 陆秋琴,白静飞,黄光球. 基于多源数据融合的区域VOCs浓度预测方法研究. 安全与环境学报. 2022(04): 2270-2279 . 百度学术
    11. 张鑫磊,张冬峰,刘伟,杨倩,郭媛媛,任玉欢,范志宣. 基于多通道长短期记忆网络的PM_(2.5)小时浓度预报. 环境科学研究. 2022(12): 2685-2692 . 百度学术
    12. 张志刚,徐莹,张锦秋,韩秀杰,闫尉深. 基于随机森林的公路隧道CO气体浓度预测模型. 科学技术与工程. 2022(26): 11729-11735 . 百度学术
    13. 雷凯. 基于长短期记忆神经网络的大气温度预测——以合肥市为例. 科学技术创新. 2021(30): 80-82 . 百度学术

    其他类型引用(16)

  • 加载中
计量
  • 文章访问数:  454
  • HTML全文浏览量:  61
  • PDF下载量:  3
  • 被引次数: 29
出版历程
  • 收稿日期:  2019-09-25

目录

    /

    返回文章
    返回