基于GAT-Informer模型的河南省空气污染物浓度预测  

作　　者：杨玥 左卫兵 

机构地区：[1]华北水利水电大学数学与统计学院,河南郑州450046

出　　处：《电脑知识与技术》2025年第7期6-10,共5页Computer Knowledge and Technology

基　　金：河南省自然科学基金项目“复杂数据下线性混合模型的统计推断”(142300410401);河南省高等教育教学改革研究与实践项目(研究生教育类)“新时代地方高校专业硕士学位论文全流程管理质量监督体系构建研究与实践”(2023SJGLX106Y)。

摘　　要：为了提高空气污染物浓度预测的精度和效率,提出了一种结合图注意力网络(GAT)和Informer的深度学习模型——GAT-Informer。该模型利用GAT提取各个监测站点之间的空间特征,充分利用相关站点的特征信息;Informer有效地挖掘时间序列的长期信息和局部变化,通过将时间信息和空间信息进行整合,从而预测河南省100个空气质量监测站点六种污染物浓度。研究结果表明,该模型在平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)等评价指标上优于长短期记忆网络模型、支持向量机回归模型、历史平均模型以及时空图卷积等模型。

关 键 词：空气污染物 浓度预测 图注意力网络 深度学习 时间序列 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]