融合频域信息和Seq2Seq模型的VOCs浓度预测研究  

作　　者：黄光球[1] 王紫薇 陆秋琴[1] 

机构地区：[1]西安建筑科技大学管理学院

出　　处：《经营与管理》2025年第3期170-179,共10页Management and Administration

基　　金：关联区域挥发性有机化合物(VOCs)排放可伸缩层次化联防联控云网格精细化管理机制研究(71874134)。

摘　　要：使用2021年西安市内监测站点逐日逐小时污染物浓度监测数据,构建DWT-Seq2Seq-ATT模型预测未来VOCs浓度数据,实验结论:所构建的模型与所有对比基准模型,在加入DWT模型进行离散小波分解高低维数据后,预测精度普遍得到大幅度提升,解决了输出数据的波动性及波峰波谷数据的偏离问题。研究对比了注意力机制关注于历史浓度与历史因素的不同效果,关注于历史浓度时模型预测精度较优。分析发现,注意力机制很好地学习了VOCs作为大气污染物的普遍特征及内在的变化特征。Seq2Seq模型部分编码器及解码器选择RNN类模型,实现了VOCs多变量多步长浓度预测。对未来VOCs浓度值的预测效果较好。

关 键 词：环境工程学 挥发性有机物 数据分解 浓度预测 Seq2Seq 

分 类 号：X51[环境科学与工程—环境工程]