CNN-LSTM预测模型

PM2.5组分高精度预测

融合CNN与LSTM的深度学习模型，实现PM2.5及其化学成分的高精度时间序列预测。

刘凯 · Zhang, Yuanhang · 何欢 · Xiao, Hui · Wang, Siyuan · Yuteng, Zhang · 李慧明 · 钱新 · 柳凯 · 王思源

Chemosphere 2023

参数信息

决定系数（As、Cd、Cr、Cu、Ni、Zn平均）
0.9
决定系数（PM2.5、Pb、Ti、EC、OC、SO42-、NO3-平均）
0.85-0.9
决定系数（变量筛选后）
0.70-0.84

技术优势

准确预测重金属组分

CNN-LSTM对As、Cd、Cr、Cu、Ni、Zn的平均R²超过0.9，表明模型能准确预测这些重金属浓度。

减少监测成本

通过消除若干输入变量，模型预测准确度仍可接受（R²在0.70至0.84之间），从而降低运行成本。

无需化学试剂

建模预测方法避免了传统化学检测所需的试剂，仅依靠气象和污染物数据即可实现快速检测。

应用场景