空气质量模式耦合递归时空深度学习PM2.5小时浓度预报方法

本发明公开的空气质量模式耦合递归时空深度学习PM2.5小时浓度预报方法，可以提供相对准确的PM2.5小时浓度预报值，包括：构建数据集；对气象因子进行特征筛选；构建eRSDL模型并采用所述训练集对所述eRSDL模型进行训练，所述eRSDL模型包括滑动平均模型、数据融合模型和24小时尺度的递归式时空深度学习模型RSDL；采用训练得到的eRSDL模型进行区域PM2.5浓度预报，得到PM2.5浓度预报结果。本发明在传统RSDL的基础上提出了加入滑动平均模型和数据融合方法进行输入数据优化的eRSDL方法，在RSDL偏差校正之前提高WRF‑CMAQ的预测质量，能够保持预测偏差在稳定范围内；在PM2.5逐时浓度预报过程中，更具有训练数据的适应能力和长时序规律挖掘能力，从而有效提升了PM2.5逐时浓度预报准确度。