公开(公告)号：CN118016180A

公开(公告)日：2024-05-10

申请号：CN202410251571.6

申请日：2024-03-06

Applicant: 安徽大学

Inventor： 许加 ,  李慧强 ,  魏圆圆

IPC: G16C20/20 ,  G06F18/20 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了基于ARIMA‑LSTM混合模型对大气甲烷的时间序列预测分析系统及方法，涉及空气质量预报技术领域，包括如下步骤：对大气甲烷的相关实验数据进行采集；通过数据的平稳性检验和平稳性处理对原始数据进行预处理操作；通过确定模型阶数、模型训练、模型评估来构建ARIMA‑LSTM混合模型；本发明充分考虑了大气甲烷时间序列影响因素的高度复杂性和非线性特征，通过ARIMA模型进行多维影响因素的特征提取，通过变分自编码器降维(VAE模型)以减小运算开销，相较于RNN、LSTM、TCN等模型，参数量更少，能够提升大气甲烷时间序列预测准确性和鲁棒性，进一步简化模型，提升运算速度。

公开(公告)号：CN119168149A

公开(公告)日：2024-12-20

申请号：CN202411292256.4

申请日：2024-09-14

Applicant: 安徽大学

Inventor： 许加 ,  沙璇 ,  应科伟 ,  魏圆圆

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/047 ,  G06N3/084 ,  G01W1/10

Abstract: 本发明涉及一种基于Attention‑LSTM的空气质量多元预测方法，包括：获取空气质量AQI的历史数据并进行预处理；对数据集中的数据进行特征分析，根据分析的特征构建LSTM网络模型；对LSTM网络模型进行改进；改进的LSTM网络模型进行训练；将待预测的空气质量数据输入训练好的模型，获得空气质量预测值，对未来空气质量进行评估，选择对应的预警机制。本发明通过将空气质量预测值#imgabs0#与实际空气质量值y进行误差分析，可以评估模型的准确性，如果误差较小，则说明模型具有较高的预测能力，如果误差较大，则需要进一步优化模型，并针对性地调整模型参数，在考虑到不同地理位置、不同天气条件等因素时，需要对其权重进行调整。