基于注意力机制的CNN-BiLSTM的PM2.5时序特征预测

本文为了充分挖掘PM2.5浓度预报基础数据中时序性特征联系,提高PM2.5浓度预测精度,本文提出了一种基于注意力机制的CNN-BiLSTM的PM_2.5浓度预测模型,充分利用CNN空间局部特征提取能力以及BiLSTM对时间信息的双向长短期记忆,再结合Attention机制对不同特征分配权重系数,进一步提升模型的预测准确度。结果表明,本文模型在测试集上的MAE、R2、MAPE分别为：0.944、0.844、0.18,其预测效果均优于LSTM模型和CNN-LSTM模型,特别是应对突变情况下,其灵敏度和准确度更高,能较好地拟合真实值。