一种基于神经网络混合模型的甲烷浓度预测方法及系统

本发明提出了一种基于神经网络混合模型的甲烷浓度预测方法及系统，属于甲烷气体浓度预测技术领域，包括：获取环境中的甲烷浓度；对环境中的甲烷浓度进行处理，获取衰荡时间因子；基于衰荡时间因子计算得到第一甲烷浓度；将第一甲烷浓度与检测时间、环境温度、湿度整合构建第一数据集；构建预测长期甲烷浓度的神经网络混合模型；基于混合预测模型对第一数据集进行分析，预测长期甲烷浓度。通过三种网络模型的深度融合有效挖掘数据中的复杂空间特征和长程时间依赖，提供一种高精度、可靠性强的甲烷浓度预测方法。