基于深度学习的城市大气PM2.5浓度预测研究

摘要

以气象因素作为PM2.5预测指标,对数据进行异常值处理和归一化处理,将时间序列数据集转变为监督学习数据集,建立多变量的基于注意力机制的GRU循环神经网络PM2.5预测模型预测PM2.5浓度,并与不含注意力机制的GRU循环神经网络预测结果对比。利用北京市2010年-2014年气象数据集进行仿真实验,实验证明两个模型都可以较好地预测PM2.5浓度值,可以为空气污染的治理工作提供数据支持。Attention+GRU循环神经网络对PM2.5浓度的预测比GRU循环神经网络更精确。