《表3 LSTM、Wavelet-LSTM模型预测性能比较结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Wavelet-LSTM模型的北京空气污染物浓度预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本研究为达到验证Wavelet-LSTM模型相较于传统LSTM模型具有较高预测精度的目的，使用北京空气污染物浓度2014-2016年时间序列数据，分别对传统LSTM模型和组合模型进行训练，然后使用2017年全年空气污染物浓度数据进行测试，探讨LSTM预测模型加入小波分解变换之后的预测性能。实验选用具有4层隐藏层的LSTM模型，将6项空气污染物原始数据分别作为预测目标，前一天的其他5项污染物浓度作为自变量进行实验。实验结果如表3所示，将PM10作为因变量时，MAPE最低可达7.54%，而将PM2.5作为因变量时，MAPE达到17.25%。虽然LSTM应用于时间序列预测可以表现出良好的预测性能。但预测结果MAPE标准差较大，说明使用传统LSTM模型预测，在自变量不同的情况下，模型的预测稳定能力不能保障。