融合自注意力和时空卷积网络的空气质量预测方法

作者：杨国亮; 余华声; 夏金龙; 黄经纬

来源：安全与环境学报, 2023, 23(12): 4580-4589.

DOI：10.13637/j.issn.1009-6094.2022.1997

• 环境工程学
• 空气质量预测
• PM_(2.5)质量浓度
• 时空相关性
• 自注意力
• 时间卷积网络

准确预测空气质量对人体健康和社会环境治理具有积极影响。选取北京市35个监测站点自2019年2月1日至2020年1月31日的逐小时空气质量监测数据与气象数据，利用最大信息系数(Maximum Information Coefficient, MIC)对多个监测站点进行空间相关性分析，并通过升降维的卷积方式进行特征提取与信息整合，得到具有时空相关性的输入特征信息；构建融合自注意力(Self-Attention, SA)的时空卷积网络模型(Spatiotemporal Convolutional Network-Self-Attention, STCN-SA),对选定的中心站点进行未来1 h的PM2.5质量浓度预测。结果表明：与常见的循环神经网络(Recurrent Neural Network, RNN)和长短期记忆网络(Long Short-Term Memory Network, LSTM)模型相比，STCN-SA网络模型在平均绝对误差(EMAE)、均方根误差(ERMSE)和决定系数(R2)表现出更好的预测性能。此外，该预测模型适用于不同空间位置的监测站点，具有良好的可移植性，可为预测空气污染物质量浓度提供重要参考。

• 单位
  自动化学院; 江西理工大学