融合CNN-LSTM和注意力机制的空气质量指数预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

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。（剩余4572字）

试读结束

目录
monitor
客服机器人