融合自注意力和时空卷积网络的空气质量预测方法

摘要：准确预测空气质量对人体健康和社会环境治理具有积极影响.选取北京市35个监测站点自2019年2月1日至2020年1月31日的逐小时空气质量监测数据与气象数据,利用最大信息系数(Maximum Information Coefficient,MIC)对多个监测站点进行空间相关性分析,并通过升降维的卷积方式进行特征提取与信息整合,得到具有时空相关性的输入特征信息;构建融合自注意力(Self-Attention,SA)的时空卷积网络模型(Spatiotemporal Convolutional Network-Self-Attention,STCN-SA),对选定的中心站点进行未来1 h的PM2.5质量浓度预测.结果表明:与常见的循环神经网络(Recurrent Neural Network,RNN)和长短期记忆网络(Long Short-...

关键词：

环境工程学空气质量预测PM2.5质量浓度时空相关性自注意力时间卷积网络

分类号：

X513(大气污染及其防治)

资助基金：

江西省教育厅科技计划项目 ( GJJ190450 ) 江西省教育厅科技项目 ( GJJ180484 )

在线出版日期：

2024-02-01 （万方平台首次上网日期，不代表论文的发表时间）

页数：

10

(4580-4589)

英文信息

相关知识

基于STM32 的空气质量指数预测系统毕业设计【附代码】
基于卷积神经网络的农作物病虫害图像识别研究
卷积神经网络的算法范文
CNN+LSTM+Attention多热点搭配！又是创新性拉满的高分思路！！
基于超轻量级全卷积神经网络的花卉识别方法
专访 | 五一出游赏花，如何优雅地解释百度细粒度识别方案
毕业设计：基于深度学习的苹果叶病虫害识别系统 目标检测
基于改进YoloV3卷积神经网络的番茄病虫害检测
智慧农田害虫时空监测系统设计
基于性能改善深度信念网络的棉花病虫害预测方法

原文链接: 融合自注意力和时空卷积网络的空气质量预测方法 https://www.huajiangbk.com/newsview550625.html