基于PAM-BiLSTM的PM2.5浓度预测模型

作     者：黄俊凯 HUANG Junkai

作者机构：南宁师范大学物理与电子学院广西南宁530100 

出 版 物：《信息技术与信息化》 (Information Technology and Informatization)

年 卷 期：2024年第9期

页      面：59-62页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070602[理学-大气物理学与大气环境] 0706[理学-大气科学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：PM2.5 时间序列数据 金字塔注意力机制 双向长短期记忆网络 

摘      要：PM2.5(细颗粒物)是空气污染的主要成分之一,长期暴露于高浓度的PM2.5环境中,对人类健康和环境都有严重危害,包括呼吸系统疾病、心血管疾病和早逝等。因此,基于时间序列数据准确预测PM2.5浓度对于提前决策和风险管理至关重要。提出一种基于金字塔注意力机制(PAM)和双向长短期记忆网络(BiLSTM)的PM2.5浓度预测模型。实验结果表明,PAM-BiLSTM模型在预测精度和效率方面具有显著优势,同时消融实验验证了PAM模块的有效性,在多个评价指标上优于BiLSTM模型,对于环境监测和公共健康保护具有重要意义。