基于贝叶斯优化和双向自编码器的空气污染物预测算法研究

摘要

为了解决经典算法容易忽略空气污染物的复杂和多维度的时空相关性问题，提出了一种基于贝叶斯优化和双向自编码器的空气污染物预测算法(BO-BSEM).首先，利用双向自编码器将空气污染物的多维度时序数据映射到一个低维的特征空间；其次，利用长短期记忆网络作为解码器，将被映射的低维特征最大程度地从低维特征空间还原到现实数据空间中；最后，采用贝叶斯优化算法优化双向自编码器的超参数设定.BO-BSEM能更有效地利用空气污染物的历史数据和多种类空气污染物之间的时空相关性.实验结果表明，提出的BO-BSEM算法相比经典的5种算法在预测性能上表现更优.

关键词

空气污染物预测 / 长短期记忆网络 / 双向自编码器 / 贝叶斯优化