基于二次分解和深度学习的PM2.5集成预测方法

doi:10.19820/j.cnki.issn2096-7411.2021.03.008

	基于二次分解和深度学习的PM2.5集成预测方法
	周尧民; 黄恒君
	2021-07-01
发表期刊	统计学报
卷号	2 期号:2021,2(03)页码:84-94
摘要	考虑到PM2.5浓度序列具有非线性、非平稳性以及波动性强等特征,通过将不同的模态分解技术与常用机器学习模型、神经网络模型进行组合对比分析,在"分解—聚类—集成"的研究范式下,提出一种融合二层分解技术及弹网正则化长短期记忆神经网络（ELSTM）构建的CEEMDAN-VMD-K-ELSTM组合模型,并利用北京市日均PM2.5浓度数据进行实证检验。研究结果表明,基于"分解—聚类—集成"研究范式的组合模型在RMSE和MAE模型评价指标中,显著优于已有的组合模型。
关键词	时间序列聚类完备集成经验模态分解变分模态分解 ELSTM神经网络集成学习
DOI	10.19820/j.cnki.issn2096-7411.2021.03.008
URL	查看原文
ISSN	2096-7411
语种	中文
原始文献类型	学术期刊
中图分类号	X831;TP18
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/29935
专题	统计与数据科学学院教务处
作者单位	兰州财经大学统计学院
第一作者单位	统计与数据科学学院
推荐引用方式 GB/T 7714	周尧民,黄恒君. 基于二次分解和深度学习的PM2.5集成预测方法[J]. 统计学报,2021,2(2021,2(03)):84-94.
APA	周尧民,&黄恒君.(2021).基于二次分解和深度学习的PM2.5集成预测方法.统计学报,2(2021,2(03)),84-94.
MLA	周尧民,et al."基于二次分解和深度学习的PM2.5集成预测方法".统计学报 2.2021,2(03)(2021):84-94.