基于深度学习的PM2.5浓度预报

摘要：

空气污染严重威胁生态环境和人体健康,开展及时准确的空气质量预报至关重要.基于卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(Attention)等多种深度学习方法,建立了深度学习组合模型CNN-BiLSTM-Attention,并针对北京市PM2.5小时浓度开展预报.实验结果表明:超参数调节能有效提高深度学习模型性能;CNN-BiLSTM-Attention可以准确预报PM2.5浓度变化;与基准模型LSTM相比,提出的组合模型引入了多种深度学习算法的优点,在MAE、MSE和R2统计指标上分别提升了 80％、94％和0.3％.

关键词：空气污染预报、深度学习、双向长短期记忆网络、注意力机制

分类号：TP39(计算技术、计算机技术)

资助基金：教育部卓越工程师教育培养计划项目产学合作协同育人项目;中国高等教育学会高等教育科学研究规划课题;海南省自然科学基金项目;海南省自然科学基金项目;海南大学科研启动基金项目;海南大学科研启动基金项目;海南大学教育教学改革研究项目

在线出版日期：2023-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：77-80