基于IF-SVMD-BWO-LSTM 的空气质量预测建模
打开文本图片集
摘 要： 为了提高PM2.5 浓度的预测精度，基于PM2.5 序列的复杂性和非线性，提出孤立森林（isolated forests，IF）异常值检测、逐次变分模态分解（ successive variational mode decomposition， SVMD） 和白鲸鱼算法（ Beluga whaleoptimization，BWO）优化长短期记忆网络（long short-term memory network，LSTM）相结合的预测模型。（剩余2408字）