基于改进时空因果卷积网络的PM2.5浓度预测

摘要

PM2.5的浓度受到多方面的影响,包括天气、空气中的其他物质成分以及周围地点的空气质量等。为提高深度学习模型对PM2.5浓度预测的准确率与泛化性能,提出了一种改进的时空因果卷积网络(STCN),使模型在预测时考虑到不同地点对预测地PM2.5浓度的不同影响。以北京市多个地点的空气质量数据进行实验并与原始的STCN网络进行对比,实验表明,改进后的时空因果卷积网络对PM2.5浓度预测的能力高于基线STCN。

关键词

空气质量预测 / PM2.5 / 时空因果卷积网络 / 空间关联因素

基金资助

江苏省自然科学基金面上项目(BK20211365); 淮阴工学院—淮安经济技术开发区产学研合作项目(Z413H21522); 大学生创新创业训练计划项目(202211049087Y;202211049268XJ)