基于时空深度学习模型的PM_(2.5)预测

作     者：胡克勇 公雪瑶 刘国晓 王续澎 HU Ke-yong;GONG Xue-yao;LIU Guo-xiao;WANG Xu-peng

作者机构：青岛理工大学信息与控制工程学院山东青岛266520 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2024年第41卷第5期

页      面：487-494页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61902205) 山东省自然科学基金(ZR2019BD019) 

主　　题：空气质量预测 卷积神经网络 循环神经网络 深度学习 

摘      要：伴随着快速城市化进程,空气污染尤其是PM_(2.5)严重影响着人们的身体健康,精准的空气质量预测能够为空气污染防治以及政府决策提供有力支撑。针对当前空气质量预测研究中存在的问题,包括缺失数据填充,时空特征信息提取等,提出一种基于三维卷积神经网络和长短时记忆神经网络构建的时空混合深度学习模型C3D-LSTM。模型通过三维卷积模块对时空维度上的特征信息进行联合提取,并利用长短时记忆网络学习长时间序列数据的能力,预测目标站点的PM_(2.5)的浓度。基于北京市22个站点的真实数据集进行实验,结果表明,所提模型在平均绝对误差、均方误差和拟合系数三种指标方面均优于其它基准空气质量预测模型。