基于RF-1DCNN-BiGRU的伊宁市PM2.5浓度预测
魏铭
王可欣
邓秋菊
重庆移通学院 重庆 401420;公共大数据安全重庆市重点实验室 重庆 401420
摘要：PM2.5浓度预测是空气质量预警、污染溯源及精细化管控的核心前提之一,对保障公众健康、提升生态环境治理水平具有重要现实意义,针对传统PM2.5浓度预测方法(如ARIMA、传统机器学习模型等)难以有效捕捉数据中复杂非线性特征与长时序依赖关系、预测精度和稳定性不足的问题,文章提出一种融合随机森林(RF)、一维卷积神经网络(1DCNN)与双向门控循环单元(BiGRU)的组合预测模型.首先利用RF进行特征筛选,保留对PM2.5预测重要的特征,后利用1DCNN提取时序数据中的局部特征,并结合BiGRU捕捉PM2.5浓度变化的双向时序依赖关系,最终实现PM2.5浓度的精准预测.采用均方根误差(RMSE)、平均绝对误差(MAE)及决定系数(R2)作为模型评价指标,对模型预测性能进行验证.以某地某时间段空气污染与气象观测数据为例,实验结果表明,所提出的RF-1DCNN-BiGRU模型能够有效挖掘PM2.5浓度与多源影响因素的时序关联特征,具备优异的预测精度与稳定性.该研究为PM2.5浓度的时序预测提供了可靠的模型方法与技术参考.
关键词：PM2.5浓度预测组合模型特征选择BiGRU1DCNN
资助基金：重庆市教委科学技术研究项目(KJZD-M202502401)重庆市教委科学技术研究项目(KJQN202502402)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 143-146 )