基于改进基于改进Seq2Seq模型的华东地区模型的华东地区PM2.5预测预测OA

PM2.5数据是一种时间序列数据,具有较强的时序性与非线性特征。传统的时间序列模型算法有长短期记忆人工神经网络(LSTM)、循环神经网络(RNN)、编码器-解码器神经网络(Seq2Seq)等方法。本文提出一种基于Seq2Seq网络并融合注意力机制的PM2.5预测算法(Seq2Seq+Attention),其中Seq2Seq的cell单元为LSTM,能充分提取输入的有效特征信息,增强网络的学习能力和预测效果。利用2019年1月至2021年8月华东地区10个城市的PM2.5数据进行了预测试验,试验对比了LSTM、Seq2Seq和Seq2Seq+Attention3种方法在24h内的PM2.5数值预报准确度。研究结果表明,Seq2Seq+Attention方法在预测效果上优于其他方法,且24h的预测评分也高于其他方法。