论文部分内容阅读
为了有效地控制和治理大气污染,合理预测污染物在大气中浓度,对于提前采取预防措施、有效管理污染活动发挥着重大作用。针对多变量非线性、复杂的时间序列,以及多因素影响预测浓度的问题,提出一种基于多变量分解的非平稳时间序列深度预测方法。首先,确定主要预测变量,并对主变量进行STL(Seasonal and Trend decomposition using Loess, STL)分解得到3个分变量;其次,通过皮尔逊相关系数得出与主变量较为相关的几个相关变量;最后,对3个分变量和其余相关变量进行CNN+BiL