科研之友
微信
新浪微博
Facebook
分享链接
摘要
地铁是城市中短途通勤的主流交通工具。然而,由于地铁站内空气流动性差,所以监测地铁空气质量并提供高污染预警具有重大意义。为解决地铁站内空气质量预警问题,本文提出了一个概率预测框架。首先,采用基于概率损失的自动编码器对PM2.5数据进行检测并纠正异常值。其次,采用多分辨率弹性门控注意力机制改进序列到序列(Seq2Seq)中编码器的结构,以减弱预测过程中的误差累积和历史信息丢失。此外,将多输出策略和弹性门控注意力机制相结合,来改进Seq2Seq中解码器的结构,以减少预测时的误差累积。最后,在Seq2Seq的输出端嵌入高斯混合模型(Gaussian mixture model,GMM),使其能够适应浓度分布的变化并生成浓度的概率分布。所提出的模型在第1步、3步和5步预测中的平均MAPE分别为0.94%、1.16%和1.26%。模型对地铁站PM2.5数据的测试结果表明,与其他模型相比,所提出的模型的Pinball loss和Winkler score更小。
- 单位
