室内PM2.5软测量模型

地铁场景高精度预测

结合核主成分分析与自适应增强长短期记忆网络，实现对地铁室内颗粒物浓度的可靠软测量。

Wang, Jinyong · 王东升 · Yoo, Changkyoo · 刘鸿斌

Journal of Hazardous Materials 2023

参数信息

大厅PM2.5预测R²

0.9007

站台PM2.5预测R²

0.8995

技术优势

预测更准

集成学习比单一LSTM模型更全面地考虑了空气质量数据中的复杂成分，从而提升建模精度。

抗噪声干扰

KPCA的非线性降维去除了噪声干扰的负面影响，为后续建模提供更干净的输入特征。

模型可解释

通过SHAP分析解释各输入特征的贡献，增强了软测量模型的透明度和可解释性。

应用场景

• 环境监测软测量：提供高精度PM2.5软测量，替代部分硬件传感器。
• 空气质量传感：实时预测PM2.5浓度，用于空气质量在线监控。
• 地铁环境监测：针对地铁大厅与站台场景，提升监测可靠性。