基于神经网络与深度学习的PM2.5预测模型研究.pdfVIP

Vol.53No.2计算机与数字工程总第424期

332ComputerDigitalEngineering第53卷

2025年第2期

基于神经网络与深度学习的PM2.5预测模型研究∗

任瑛王思源夏必胜

（延安大学数学与计算机科学学院延安716000）

摘要大气污染问题越来越严重，以PM2.5为主要因素的雾霾天气已经严重影响到居民生活，精准高效的PM2.5浓

度预测对于环境污染治理有重要的意义。神经网络与深度学习作为近些年来人工智能方向的一类热门研究技术，拥有强大

的数据分析、非线性拟合以及特征提取能力，已成为环境工程领域不可或缺的工具。论文介绍了神经网络与深度学习在

PM2.5预测中的常用的五种方法：BP神经网络、循环神经网络、卷积神经网络、径向基神经网络、反馈神经网络，分析了五种

模型的优缺点，阐述了预测PM2.5的情况，最后展望了深度学习在PM2.5预测领域的未来发展方向。

关键词神经网络；深度学习；BP神经网络；循环神经网络；卷积神经网络

中图分类号O244DOI：10.3969/j.issn.1672-9722.2025.02.007

ResearchonPM2.5PredictionModelBasedonNeuralNetworkand

DeepLearning

RENYingWANGSiyuanXIABisheng

（SchoolofMathematicsandComputerScience，YananUniversity，Yanan716000）

AbstractTheproblemofatmosphericpollutionisbecomingmoreandmoreserious，andthehazyweatherwithPM2.5asthe

mainfactorhasseriouslyaffectedthelifeofresidents.AccurateandefficientPM2.5concentrationpredictionisimportantforenviron⁃

mentalpollutionmanagement.Neuralnetworksanddeeplearning，asapopularresearchtechnologyinthedirectionofartificialintel⁃

ligenceinrecentyears，havebecomeindispensabletoolsinthefieldofenvironmentalengineeringbecauseoftheirpowerfuldata

analysis，nonlinearfittingandfeatureextractioncapabilities.Thispaperintroducesfivecommonmethodsofneuralnetworksand

deeplearninginPM2.5prediction，whichareBPneuralnetwork，recurrentneuralnetwork，convolutionalneuralnetwork，radial

basisneuralnetwork，andfeedbackneuralnetwork，analyzestheadvantagesanddisadvantagesofthefivemodels，describesthe

predictionofPM2.5，andfinallyoutlooksthefuturedevelopmentdirectionofdeeplearninginthefieldofPM2.5prediction.

KeyWordsneuralnetwork，deeplearnin