基于 LSTM 模型预测空气质量指数：以 Delhi 和 Houston 为例

EasyChair Preprint 1214

Abstract

空气质量指数(AQI)预测是当今空气质量研究的热点之一，它有助于评价城市空气污染物对人体健康的 影响．在过去的十年里，人们已经了解到空气污染是一个严重的问题，空气质量指数是一个数字，基于主要 空气污染物浓度的综合效应，被政府机构用来表征不同地点的空气质量，也被用于世界上许多大都市的地方 和区域空气质量管理[1]．传统的预测方法只能够对空气质量数据进行小数据量的分析，导致预测精度低、速 度慢、效率低下并且容易产生数据拟合，为了能满足用户对实时数据处理的需求．本文提出基于长短期记忆 单元(LongShort-termmemory,LSTM)的递归神经网络模型，因为其能有效利用序列数据中长距离依赖信息的 能力，所以非常适用于空气质量指数的预测中．本文结合近几年 Delhi 和 Houston 的空气质量数据，对数据 进行回归拟合，预测未来的空气质量指数，该模型使用 MAPE、RMSE、R、IA 和 MAE 对数据进行处理，并 与 MLR(BGD)、MLR(SGD)、MLR(MBGD)和回归模型(SVR)[2]进行对比．实验结果表明， LSTM 神经网络 能较准确地预测空气质量 AQI 指数

Keyphrases: LSTM network, air quality, index forecast

@booklet{EasyChair:1214,
  author    = {Dongwen Zhang and Qi Zhao and Yunfeng Xu},
  title     = {Prediction of Air Quality Index Based on LSTM Model: A Case Study on Delhi and Houston},
  howpublished = {EasyChair Preprint 1214},
  year      = {EasyChair, 2019}}