《表1 6小时平均值LSTM模型与CNN-LSTM模型比较》

  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

《时间精度与空间信息对神经网络模型预报PM_(2.5)浓度的影响》

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

既然在空间上邻近区域之间的PM2.5浓度相互影响，那么空间PM2.5浓度信息对单点PM2.5浓度预报有何影响呢？为解答这个疑问，我们利用CNN-LSTM模型学习空间信息，并进行单点预报。为了便于比较，模型输入为华北地区前6天每6小时PM2.5浓度平均值，预报数据仍然是北京市PM2.5浓度日均值。表1对比6小时平均值LSTM模型与6小时平均值CNN-LSTM模型预报结果，从可以看到，前面表现最好的6小时平均值LSTM模型在各个指标上都差于CNN-LSTM模型，说明提取空间PM2.5浓度信息对单站PM2.5浓度的预报有明显的改善作用。为了进一步比较CNN-LSTM模型与LSTM模型的预报效果，同样对比各个PM2.5浓度等级的MAE。从图10可看出，与LSTM模型相比，CNN-LSTM模型显著地提升了优和重度污染PM2.5浓度等级下的预报能力，对其他天气情况下的预报能力没有提升。