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。