基于CEEMDAN与LSTM的煤炭港口粉尘质量浓度混合预测  

作　　者：扬懿[1] 薛天寒 刘博驰 王旭 

机构地区：[1]交通运输部规划研究院,北京100028 [2]大连理工大学海岸和近海工程国家重点实验室,辽宁大连116023

出　　处：《水运管理》2024年第11期11-16,共6页Shipping Management

基　　金：国家重点研发计划(2021YFB2600200)。

摘　　要：煤炭在储运过程中产生的粉尘严重危害港口城市的空气质量,准确预测粉尘污染有助于预测污染风险并采取预防措施。由于港口复杂的气象和有限的作业条件,煤炭港口粉尘质量浓度存在强非线性与非平稳性的特点,传统方法难以准确预测港口的粉尘质量浓度。基于完全自适应噪声集合经验模态分解(CEEMDAN)和长短期记忆网络模型(LSTM)的煤炭港口粉尘质量浓度混合预测法,以我国北方某煤炭港口为例,先采用CEEMDAN将原始粉尘质量浓度分解为多个本征模态函数,再使用LSTM对每个本征模态函数进行预测,整合后获得最终的粉尘质量浓度预测结果。结果表明:上述方法与传统方法相比具有更高的预测精度,有助于港口对粉尘污染加强管理,更有利于减轻煤炭港口粉尘污染对港城居民的不利影响。

关 键 词：煤炭港口 粉尘污染 CEEMDAN LSTM 混合预测模型 

分 类 号：X736.1[环境科学与工程—环境工程]