基于门控循环单元和图神经网络的PM2.5预测

摘要

PM2.5浓度指数是衡量空气质量的重要指标之一,但由于PM2.5数据的非线性以及受多种气象因素的影响,因此实现精确预测较为困难。本文采用门控循环单元和图神经网络相结合的混合模型预测的方式,并进一步采用改进的门控循环单元提升网络效果。通过对门控循环单元的输入信息与隐藏层信息进行数据交互增强上下文信息联系,使得门控循环单元模块的转移函数依赖于信息上下文。一系列实验结果表明:提出的改进方法相比于现有的方法具有更好的性能以及泛化效果,在中国生态环境部提出的京津冀地区真实数据集上验证了方法的有效性,与现有网络相比预测准确率更高。