基于改进时空因果卷积网络的PM2.5浓度预测

doi:10.20033/j.1003-7241.(2025)02-0021-05

自动化技术与应用 ›› 2025, Vol. 44 ›› Issue (02) : 21 -25. DOI: 10.20033/j.1003-7241.(2025)02-0021-05

王媛媛, 沈俞, 陈秀川, 王超, 张兴潮

作者信息 +

Author information +

文章历史 +

PDF

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。