买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜淮阴工学院申请的专利基于二次EEMD分解结合GAFSA-LSTM的空气质量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115372550B 。

龙图腾网通过国家知识产权局官网在2025-06-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210856812.0，技术领域涉及：G01N33/00；该发明授权基于二次EEMD分解结合GAFSA-LSTM的空气质量预测方法是由马志鹏;邱军林;邵鹤帅;高丽;蒋晓玲;陈礼青;周健;叶德阳;于金玉设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本基于二次EEMD分解结合GAFSA-LSTM的空气质量预测方法在说明书摘要公布了：本发明公开了一种基于二次EEMD分解结合GAFSA‑LSTM的空气质量预测方法，将EEMD用于数据本身，并结合GAFSA优LSTM实现对空气质量数值的预测，使用获取到的T段时间长度的空气质量数据，预测下一个时间点t的空气质量AQI值。将原始数据集中的AQI列作为二次EEMD的待分解信号列，通过二次EEMD分解，将原始AQI列分解为N列IMF分量以及1列残差分量；接着将残差分量进行二次EEMD分解，得到K列二次分解IMF分量以及1列残差分量；将这N+K+1列分量数据作为结果值，并分别带入经过GAFSA优化后的LSTM模型中进行训练、预测，得到每一分量的预测值；最后将这N+K+1列预测值进行线性累加实现重构，得到最终的空气质量预测值，将得到的结果与原始AQI值进行比对。本发明能够获得更为准确的预测值。

本发明授权基于二次EEMD分解结合GAFSA-LSTM的空气质量预测方法在权利要求书中公布了：1.一种基于二次EEMD分解结合GAFSA-LSTM的空气质量预测方法，其特征在于，包括如下步骤： 步骤1：监测某地区某一时间区间内的PM2.5浓度、PM10浓度、SO2浓度、CO浓度、NO2浓度、O3浓度、AQI值，并获取初始空气质量序列xt，对所述序列进行清洗与预处理操作后，得到数据集D，并将其拆分为训练集与测试集； 步骤2：基于步骤1所述初始空气质量序列xt，采用集合经验模态分解EEMD对初始空气质量序列中的AQI列进行分解，分解得到若干列分量以及1列残差分量r1t； 所述步骤2一次集合经验模态分解EEMD，具体操作为： 1将步骤1中获取到的数据集D进行拆分，拆分为训练集与测试集，其中训练集为D1，测试集为D2，训练集D1：D1＝{x1,y1,x2,y2,…,xn,yn}，其中x1,x2,…,xn为空气质量因子值，包括PM2.5浓度、PM10浓度、SO2浓度、CO浓度、NO2浓度、O3浓度，y1,y2,…,yn为空气质量系数AQI值； 2EEMD分解的幅值设置为a、高斯白噪声nt的分解次数设置为M，且该噪声服从正态分布规律； 3将该高斯白噪声nt加入到空气质量初始序列xt中，进行第m次经验模态分解EMD； 4将M次EMD分解得到的IMF分量进行集合平均，用来抵消加入的白噪声带来的幅值影响； 将步骤1所获取到的数据集D1中的AQI列进行EEMD一次分解，得到N列一次EEMD分解的IMF分量以及1列一次EEMD分解的残差分量r1t； 步骤3：基于步骤2分解后得到的1列残差分量r1t，再次采用集合经验模态分解EEMD对该残差分量进行分解，分解得到若干列分量以及1列残差分量r2t； 所述步骤3二次集合经验模态分解，具体操作为： 1将步骤2中EEMD分解后的残差分量r1t作为二次EEMD分解的输入值输入其中； 2二次EEMD分解模型的各参数分别设置为：幅值设置为a、高斯白噪声nt的分解次数设置为M，且该噪声服从正态分布规律； 3添加高斯白噪声nt将经验模态分解EMD模型改变为集合经验模态分解EEMD模型； 4将M次EMD分解得到的IMF分量进行集合平均，用来抵消加入的白噪声带来的幅值影响； 5将步骤2中获取到的一次分解残差分量再次带入到EEMD模型中，进行EEMD二次分解，获取到K列二次EEMD分解的IMF分量以及1列二次EEMD分解的残差分量r2t； 步骤4：建立GAFSA-LSTM网络模型，使用GAFSA-LSTM网络模型对分解得到的分量进行模型训练与预测，将步骤2与步骤3中对AQI列进行EEMD分解的分量值分别作为GAFSA-LSTM模型训练集的输入标签输入到模型当中，对模型进行训练，其中，残差分量r2t进行保留，不输入模型中； 所述步骤4构建GAFSA-LSTM网络模型的具体操作为： 1使用全局人工鱼群GAFSA对LSTM网络模型中隐藏层神经单元数V和学习率C进行迭代寻优； 2使用GAFSA-LSTM网络模型对步骤3分解后得到的分量分别输入GAFSA-LSTM模型中，并分别进行预测，得到预测结果； 3将分解后得到的AQI序列作为GAFSA-LSTM模型训练集中的标签值，总计共N+K+1列，输入GAFSA-LSTM模型中； 步骤5：输出训练集的结果，对结果值进行重构操作，并验证模型在训练集上的预测效果； 步骤6：依据步骤2至步骤5，将建立的预测模型在测试集上进行验证，实现空气质量AQI值的预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。