《表2 武汉市在预测日前一天的气象数据》

  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

《基于时空优化长短期记忆网络与烟花算法的AQI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

LSTM在时间序列建模过程中可以保持信息持久化存储，在空气质量预测问题方面，相比于SDAE[10]等神经网络模型，LSTM更适合处理时间相关的AQI数据。因此，本文将结合LSTM与FWA，建立深度学习模型LSTM-FWA，对空气质量进行预测。该模型输入数据为目标城市在预测日前一天的空气质量数据、气象数据以及第二天的气象预报数据，输出数据为预测出的第二天的AQI值。以下表为例，武汉市在预测日前一天的空气质量数据（共8项）如表1所示；气象数据（共18项）如表2所示。因此模型输入维度为44，即预测日前一天的8项空气质量数据、18项气象数据，第二天的18项气象数据。