基于ResLSTM-SAR Hybrid模型的空气质量预测方法

本发明公开了一种基于ResLSTM‑SAR Hybrid模型的空气质量预测方法，包含：获取历史天气数据；对历史天气数据进行预处理操作；根据预处理后的天气数据构建多因素的LSTM模型，得到LSTM模型的预测结果；对LSTM模型的预测结果和原始的历史天气数据进行残差处理，分析得到SARIMA模型的参数；根据得到的参数设置SARIMA模型，将计算的残差序列输入SARIMA模型输出预测结果；将LSTM模型的预测结果与SARIMA模型的预测结果融合得到最终预测结果，得到ResLSTM‑SAR Hybrid模型。本发明的基于ResLSTM‑SAR Hybrid模型的空气质量预测方法，LSTM主预测模型与SARIMA残差修正模型协同工作，LSTM模型精准捕捉气象与污染物的复杂关联，SARIMA模型修正残差中的周期性分量，大幅提升了空气质量数据预测的准确性，更好地应对高波动特性。