收录：
摘要：
一种融合EMD和LSTM的城市PM2.5浓度预测方法涉及空气质量浓度预测领域。首先，获取每小时时间序列数据，对获取的数据进行数据清洗；然后，使用经验模态分解EMD对PM2.5浓度数据进行平稳化处理，得到多个分量；接着，确定滑动时间窗口T，对每个分量进行数据序列段切分处理，并归一化统一量纲，得到多个数据集；将数据集划分为训练集和测试集，分别构建LSTM网络模型进行训练，最后使用训练好的模型对各个分量进行预测，并对其进行反归一化处理，得到最终的城市PM2.5浓度预测结果。在此基础上构建长短期记忆神经网络LSTM模型并进行训练；最后，使用训练好的模型进行预测，并对其进行反归一化处理，得到最终的城市PM2.5浓度预测结果。
关键词：
通讯作者信息：
电子邮件地址：
