基于ARIMA-LSTM模型的MSWI过程CO₂排放浓度多步预测

摘要

针对城市固废焚烧（municipal solid waste incineration,MSWI）过程CO₂排放兼具线性趋势与非线性波动的复杂动态特性，现有单一预测难以准确拟合的问题，提出基于差分整合移动平均自回归-长短期记忆（autoregressive integrated moving average-long short-term memory,ARIMA-LSTM）模型的CO₂排放浓度的多步预测方法。首先，采用ARIMA算法构建线性主模型以进行CO₂排放浓度预测;然后，以主模型的预测残差为真值，采用LSTM算法构建非线性补偿模型;最后，将主模型和补偿模型的预测值进行组合得到超前多步的预测结果。基于北京某MSWI工厂的真实CO₂数据集验证了所构建混合模型的有效性。

关键词

城市固废焚烧（municipal solid waste incineration,MSWI） / CO₂排放 / 多步预测 / 差分整合移动平均自回归模型 / 长短期记忆（long short-term memory,LSTM）网络 / 混合模型