基于改进灰狼算法和DBN-ELM的进化深度学习模型的空气质量指数预测方法

本发明属于天气预测领域，具体涉及一种基于改进灰狼算法和DBN‑ELM的进化深度学习模型的空气质量指数预测方法，包括如下步骤：1)采集某站点四个季节的空气质量指数(AQI)数据集，利用经验模态分解技术对AQI序列进行处理；2)构建深度置信网络‑极限学习机(DBN‑ELM)模型，通过DBN对输入数据进行特征提取和数据分析，然后将提取的有效特征输入到ELM模型中；3)设定改进后灰狼优化算法的运行参数，获取DBN‑ELM模型的参数；4)利用该DBN‑ELM模型对内模函数(IMF)各分量进行预测；5)对IMF各分量的预测值进行重构，得到总体AQI预测值。将该模型与其他基准模型进行比较，结果显示该模型在精度和泛化方面都优于其他模型，表明该模型能够有效地预测空气质量。