基于深度学习的PM2.5浓度预报

作者：吕秋明; 莫欣岳^*; 李欢

来源：科学技术创新, 2023, (22): 77-80.

• 空气污染预报
• 深度学习
• 双向长短期记忆网络
• 注意力机制

空气污染严重威胁生态环境和人体健康，开展及时准确的空气质量预报至关重要。基于卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(Attention)等多种深度学习方法，建立了深度学习组合模型CNN-BiLSTM-Attention，并针对北京市PM2.5小时浓度开展预报。实验结果表明：超参数调节能有效提高深度学习模型性能；CNN-BiLSTM-Attention可以准确预报PM2.5浓度变化；与基准模型LSTM相比，提出的组合模型引入了多种深度学习算法的优点，在MAE、MSE和R2统计指标上分别提升了80%、94%和0.3%。

• 单位
  海南大学