[发明专利]一种基于深度学习的空气质量预测优化方法及系统

摘要

本发明提供了一种基于深度学习的空气质量预测优化方法及系统，本发明在利用足够的历史数据的情况下纠正空气质量模型CMAQ的预测变量和实际分布的偏差，根据传统模型对大气污染物的预测以及大气数据检测站数据，制作待提升数据集，利用长短时记忆网络将传统模型与深度学习算法相结合，完成对空气质量预测的优化。本发明利用级联长短时记忆C‑LSTM网络能更善于挖掘长期的序列特征避免了梯度爆炸的优点，利用XGBoost网络去优化选择时间以及其他辅助因素以去除不重要或干扰特征，通过训练模型，充分提取传统模型预测以及气候等特征，解决了传统模型系统性误差的问题。