来源：期刊VIP网 时间：
作者：周建国;秦远;周路明;
单位：华北电力大学经济管理系;
摘要：精准预测空气质量指数(Air Quality Index, AQI)对于制定有效的空气污染治理策略至关重要。为了进一步提升AQI的预测精度，提出了一种新的预测模型，并结合了二次分解(Secondary Decomposition, SD)、优化算法、双尺度预测和误差修正的方法。首先，采用改良的自适应白噪声完全集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, ICEEMDAN)和样本熵(Sample Entropy, SE)对原始AQI序列进行分解并重构，获得高频、中频和低频3个频率分量。其次，利用经过北方苍鹰算法(Northern Goshawk Optimization, NGO)优化的变分模态分解(Variational Mode Decomposition, VMD)对高频分量进行二次分解，进一步降低其复杂度。再次，引入向量加权平均算法(Weighed Mean of Vectors Algorithm, INFO)对长短期记忆网络(Long Short-Term Memory, LSTM)和极限学习机(Extreme Learning Machine, ELM)的关键参数进行优化，同时利用INFO-LSTM预测高频分量分解后的子序列，进而利用INFO-ELM分别预测中、低频分量，并将所得预测结果进行线性叠加。最后，利用NGO-VMD和INFO-ELM对误差序列进行分解和预测，并对初次预测结果进行修正，得到最终的AQI预测值。研究选取北京、上海和成都3个典型城市为例进行实证分析，并对比了7个对照试验，发现基于二次分解、LSTM-ELM和误差修正的模型具有最高的预测精度。该模型可为治理空气污染提供理论和技术上的帮助。
关键词：环境工程学;空气质量指数预测;二次分解;长短期记忆网络;极限学习机;向量加权平均算法;误差修正模型
