一种基于Conv-LSTM-RA网络的空气质量指数预测方法

    公开(公告)号:CN116485015A

    公开(公告)日:2023-07-25

    申请号:CN202310354751.2

    申请日:2023-04-04

    申请人: 淮阴工学院

    摘要: 本专利公开了一种基于Conv‑LSTM‑RA网络的空气质量指数预测方法,首先,对获取到的历史空气质量数据进行预处理;其次,利用卷积神经网络(CNN)中的一维卷积结构(Conv1D)进行特征提取,并在卷积神经网络中加入残差模块,以获取更多的特征信息;然后,使用长短期记忆(LSTM)在时间维度上根据设定的窗口进行未来空气质量指数的预测;最后,在LSTM中使用注意力机制,利用注意力机制学习输入序列的权重分布,得出最终预测结果。与现有的单一网络模型相比,本发明提出的混合模型方法能够更加有效的预测数据,提高预测模型的准确率。