一种基于CNN和双注意力seq2seq的空气污染物浓度预测方法

摘要

本发明提供了一种基于CNN和双注意力seq2seq的空气污染物浓度预测方法。包括以下步骤：1)获取预测区域站点的一段时间内的历史空气污染物浓度数据；2)对这些历史数据进行预处理，对缺失的数据采用拉格朗日插值法进行填充，进行标准化处理；3)构建组成污染物浓度数据的时空矩阵，并通过CNN提取其空间特征；4)对预测站点的所有污染物历史浓度数据值提取，通过seq2seq模型架构的编码端提取其时间特征；5)在seq2seq的编码端增加特征注意力机制，编、解码端均采用两层LSTM神经网络，同时解码端引入时间注意力机制，6)拼接得到的时间特征和空间特征来更新下一预测时刻的隐层状态，最后解码端的输出得到预测数据。本发明分别引入了特征和时间注意力，同时将时间和空间特征进行融合，从而有效地提高了数据预测精度。