基于PAM-BiLSTM的PM2.5浓度预测模型  

作　　者：黄俊凯 HUANG Junkai

机构地区：[1]南宁师范大学物理与电子学院,广西南宁530100

出　　处：《信息技术与信息化》2024年第9期59-62,共4页Information Technology and Informatization

摘　　要：PM2.5(细颗粒物)是空气污染的主要成分之一,长期暴露于高浓度的PM2.5环境中,对人类健康和环境都有严重危害,包括呼吸系统疾病、心血管疾病和早逝等。因此,基于时间序列数据准确预测PM2.5浓度对于提前决策和风险管理至关重要。提出一种基于金字塔注意力机制(PAM)和双向长短期记忆网络(BiLSTM)的PM2.5浓度预测模型。实验结果表明,PAM-BiLSTM模型在预测精度和效率方面具有显著优势,同时消融实验验证了PAM模块的有效性,在多个评价指标上优于BiLSTM模型,对于环境监测和公共健康保护具有重要意义。

关 键 词：PM2.5 时间序列数据 金字塔注意力机制 双向长短期记忆网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] X831[自动化与计算机技术—控制科学与工程]