基于二向注意力循环神经网络的PM2.5浓度预测

• 作者: 李智伟 杨亚莉 钟卫军
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 地球科学
• 关键词: PM2.5 时间序列预测 深度学习 循环神经网络 注意力机制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 基础研究
• 页码范围: 101-106
• 页数: 6页
• 分类号: P456.8
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2020.06.016

摘要

针对PM2.5浓度预测模型效果不稳定、泛化能力差的问题,以循环神经网络和注意力机制为基础,提出了二向注意力循环神经网络(TDA-RNN).首先,TDA-RNN模型通过注意力机制获取输入数据的时序注意力和类别注意力,并将其进行融合;然后通过特征编码器对融合后的数据进行编码,获得中间特征;最后将中间特征与PM2.5浓度的历史信息融合,并通过特征解码器获取预测值.对北京地区的PM2.5浓度进行了预测.结果表明,相比前向型神经网络、长短期记忆神经网络、门控循环单元模型和滑动平均模型,TDA-RNN模型预测精度更高;在抗干扰测试中,当输入数据存在无关因素时,TDA-RNN模型的预测精度出现轻微下降,但仍高于其他模型.该二向注意力循环神经网络特征提取能力强,预测精度高,同时可适用于其他场景的多变量时间序列预测.