计算机应用研究

作者：黄伟建,李丹阳,黄远,

单位：河北工程大学信息与电气工程学院,河北邯郸056038；

关键词：PM2.5浓度预测,深度学习,门控循环单元,时间序列预测,

基金：河北省自然科学基金资助项目(F2015402077)；河北省高等学校科学技术研究项目(QN2018073)；；

为提高PM2.5长期预测精度，以空气污染物与气象因素作为影响因子，提出一种基于深度学习的TSMN（time series memory network）预测模型。该模型由两个组件构成，本地记忆组件利用外部记忆方式提高模型长程记忆能力，并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测。通过使用不同评价指标将TSMN模型与多种模型进行对比，其中与性能较优的CNN-LSTM模型相比，该模型的RMSE、MAE分别下降5.2%、5.7%，R2提升7.5%。实验结果表明TSMN模型能够有效提高PM2.5浓度的长期预测精度。

来源：2021年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第6期