基于注意力机制的CNN-ILSTM地铁站PM_(2.5)预测建模

作者：朱菊香; 谷卫; 罗丹悦; 潘斐; 张赵良^*

来源：中国测试, 2023, 1-9.

• 卷积神经网络
• 改进长短期记忆网络
• PM_(2.5)浓度预测
• 注意力机制

为了提高PM2.5的预测精度，提出了一种基于卷积神经网络(CNN)、改进长短期记忆网络(ILSTM)和注意力机制(Attention)组合预测模型。ILSTM删除了LSTM中的输出门，改进了其输入门和遗忘门，并引入了转换信息模块(CIM)以防止学习过程中的过饱和。该模型将一维卷积神经网络的特征提取和改进长短期记忆网络学习序列依赖性的能力相结合得到过去不同时间特征状态对未来PM2.5浓度的影响，可以有效模拟PM2.5在时间和空间上的依赖性，并通过注意力机制自动权衡过去的特征状态，进一步提升PM2.5预测的准确度。实验结果表明：CNN-ILSTM-attention模型的拟合度达到了98.5%，与LSTM模型、CNN-LSTM模型和CNN-ILSTM模型相比，分别提高了26%、9.2%和6.2%，具有较高的预测精度和应用价值。

• 单位
  自动化学院; 南京信息工程大学