基于二向注意力循环神经网络的PM2.5浓度预测
杨亚莉1
李智伟1
钟卫军2
1.空军工程大学基础部,西安,7100512.宇航动力学国家重点实验室,西安,710043
摘要：针对PM2.5浓度预测模型效果不稳定、泛化能力差的问题,以循环神经网络和注意力机制为基础,提出了二向注意力循环神经网络(TDA-RNN).首先,TDA-RNN模型通过注意力机制获取输入数据的时序注意力和类别注意力,并将其进行融合;然后通过特征编码器对融合后的数据进行编码,获得中间特征;最后将中间特征与PM2.5浓度的历史信息融合,并通过特征解码器获取预测值.对北京地区的PM2.5浓度进行了预测.结果表明,相比前向型神经网络、长短期记忆神经网络、门控循环单元模型和滑动平均模型,TDA-RNN模型预测精度更高;在抗干扰测试中,当输入数据存在无关因素时,TDA-RNN模型的预测精度出现轻微下降,但仍高于其他模型.该二向注意力循环神经网络特征提取能力强,预测精度高,同时可适用于其他场景的多变量时间序列预测.
关键词：PM2.5时间序列预测深度学习循环神经网络注意力机制
分类号：P456.8(天气预报)
资助基金：国家自然科学基金(61801518)
论文发表日期：2020-12-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 101-106 )
英文信息