[发明专利]评估空气质量浓度预测中气象数据对其影响的分析方法

权利要求书

1.一种评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，包括以下步骤：

S1：获取空气质量数据集和气象数据集，并对空气质量数据集和气象数据集进行预处理；

S2：利用Mann-Kendall检测法对预处理后的空气质量数据和气象数据进行特征选择，取通过率高于预设阈值的环境特征和气象特征；

S3：构建LSTM模型，基于环境特征和气象特征对LSTM模型进行训练；

S4：将实时空气质量数据和气象数据输入至训练好的LSTM模型中，得到预测结果。

2.根据权利要求1所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，步骤S3中LSTM模型采用单层神经网络。

3.根据权利要求1所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，步骤S1中预处理步骤采用的是线性插值法。

4.根据权利要求1所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，空气质量数据集包括PM2.5、PM10、SO₂、CO、O₃、NO₂的历史数据，气象数据集包括温度、气压、相对湿度、风向和风速的历史数据。

5.根据权利要求4所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，步骤S1和S2之间还包括：将空气质量数据集和气象数据集进行归一化处理。

6.根据权利要求5所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，步骤2具体包括：

设定PM2.5观测值为预测目标，并将所述气象数据集和空气质量数据集作为输入特征，利用Mann-Kendall检测相关系数法选取特征；在选取特征过程中，设定α＝0.05为检验通过方法，选取通过率大于0.1的特征作为训练LSTM模型的数据集。

7.根据权利要求1所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，还包括步骤：采用决定系数和均方根误差对预测结果与观测数据进行分析比对。

8.根据权利要求2所述的评估空气质量浓度预测中气象数据对其影响的分析方法，其特征在于，LSTM模型的优化器设置为Adam，损失函数为MAE，神经元数量为50。