基于MSGSFE-TAGRU的多站点臭氧质量浓度预测模型
甄点点1
唐超礼2
朱振业1
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.安徽理工大学 电气与信息工程学院,安徽 淮南 232001
摘要：针对在臭氧质量浓度预测中时空特征建模不足与时间动态依赖捕捉不充分的问题,提出基于多尺度图空间特征提取-时间注意力增强门控循环单元(multi-scale graph spatial feature extraction-temporal attention enhanced gated recurrent unit,MSGSFE-TAGRU)预测模型.该模型由MSGSFE与TAGRU模块构成.MSGSFE模块通过结合图注意力网络(graph attention network,GAT)与图卷积网络(graph convolutional network,GCN)构建多尺度图结构,实现对局部与全局空间特征的有效提取;TAGRU模块通过引入时间注意力机制动态聚焦关键历史时刻,提升门控循环单元(gated recurrent unit,GRU)对时序依赖的建模能力.结果表明,MSGSFE-TAGRU模型在短期预测中相较于表现最优的图神经网络-GRU(graph neural network-GRU,GNN-GRU)模型,均方根误差和平均绝对误差分别降低了 5.22%和5.76%;在中长期预测中,该模型亦表现出更优的精度和稳定性,验证了其卓越的时空特征建模能力与泛化性能.该研究为臭氧质量浓度的高精度预测和空气质量管理提供了新的方法框架.
关键词：臭氧质量浓度预测多尺度图卷积动态时间注意力机制时空预测模型北京市
分类号：TP311.13(计算技术、计算机技术)
资助基金：安徽理工大学研究生创新基金项目(2024cx2114)安徽理工大学研究生创新基金项目(2024cx2076)
论文发表日期：2025-09-20
在线出版日期：2025-09-24（本平台首次上网日期，不代表文献的发表时间）
页数：6( 425-430 )
英文信息