论文部分内容阅读
基于"分解-集成"的建模思路,构建了变分模态分解(VMD)、弹网惩罚长短期记忆网络(ELSTM)和网格搜索算法(GS)相结合的多模态集成预测模型(VMD-ELSTM-GS),并利用兰州和南京两个城市的PM_(2.5)浓度数据进行了实证预测。研究结果表明:弹网正则化的深度学习方法ELSTM能够提高预测精度,而基于VMD的"分解-集成"范式能够有效降低PM_(2.5)浓度数据的非平稳、高波动程度。