基于U-net神经网络模型的PM2.5逐小时浓度值预测模型

针对目前多数PM2.5预测模型泛化能力较差的问题,提出基于U-net神经网络模型的PM2.5逐小时浓度值预测模型.该模型通过引入历史风场数据,将离散的监测站点PM2.5浓度值插值为PM2.5网格图;然后将U-net神经网络作为预测模型,基于实验区域的10小时内的PM2.5网格图,预测下一时刻的PM2.5网格图.该模型可以利用历史不同时刻提取的PM2.5浓度值网格图,在预测区域内所有位置PM2.5浓度值的同时,还可以提升预测的准确性以及对PM2.5浓度值突变情况的适应性.实验结果表明,所提方法在PM2.5浓度值短时间突变情况下,预测精度比传统方法有10％左右的提升.