基于改进时间卷积网络的空气质量预测研究

作者：林涛; 吉萌萌; 付崇阁; 程淑伟

来源：计算机仿真, 2022, 39(10): 451-501.

• 空气质量预测
• 时间序列数据
• 时间卷积网络
• 软阈值化

针对空气质量数据包含的噪声较大、冗余因素过多而导致空气质量预测精度较低的问题，提出了一种收缩的时间卷积网络模型(Shrinking Temporal Convolutional Network, STCN)。模型利用时间卷积网络(Temporal Convolutional Network, TCN)的空洞因果卷积，保证较长的历史信息输入及未来信息的保密；利用深度残差收缩网络中特殊注意力机制和软阈值化的思想对TCN中的残差模块进行了改进，解决了因输入样本中的冗余信息不同导致的重要信息权重分散问题。实验结果表明，该方法能够有效地克服数据中噪声较大、冗余因素过多的问题，相较于LSTM、TCN等算法，该方法的准确率提高了1%～7%。

• 单位
  河北工业大学