| 融合CNN-LSTM和注意力机制的空气质量指数预测 |
| |
| 引用本文： | 刘媛媛. 融合CNN-LSTM和注意力机制的空气质量指数预测[J]. 计算机时代, 2022, 0(1): 58-60. DOI: 10.16644/j.cnki.cn33-1094/tp.2022.01.015 |
| |
| 作者姓名： | 刘媛媛 |
| |
| 作者单位： | 运城学院数学与信息技术学院,山西 运城 044000 |
| |
| 基金项目： | 运城学院应用研究项目(YQ-2020019)。 |
| |
| 摘 要： | 针对空气质量预测中复杂的时空问题,本文构造了多站点间的交互时空特征,搭建了结合CNN和LSTM的深度时空模型,并引入注意力机制学习多特征之间的权重分布,找出对空气质量指数(AQI)影响较大的特征重点关注,构造了融合CNN-LSTM和注意力机制的AQI预测模型。使用2019年1月至2020年12月间运城市各站点的小时粒度数据进行实验,结果表明,该模型对空气质量指数的预测较基模型具有更优的性能。
|
| 关 键 词： | 空气质量指数 时空模型 CNN LSTM 注意力机制 |
Air quality index prediction based on CNN-LSTM and attention mechanism |
| |
| Liu Yuanyuan. Air quality index prediction based on CNN-LSTM and attention mechanism[J]. Computer Era, 2022, 0(1): 58-60. DOI: 10.16644/j.cnki.cn33-1094/tp.2022.01.015 |
| |
| Authors: | Liu Yuanyuan |
| |
| Affiliation: | (Department of Mathematics and Information Technology,Yuncheng University,Yuncheng,Shanxi 044000,China) |
| |
| Abstract: | |
| |
| Keywords: | AQI spatiotemporal model CNN LSTM attention mechanism |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
