基于多尺度序列间相关性的臭氧浓度预测  

作　　者：朱振业 唐超礼[2] ZHU Zhenye;TANG Chaoli

机构地区：[1]安徽理工大学计算机科学与工程学院,安徽淮南232001 [2]安徽理工大学电气与信息工程学院,安徽淮南232001

出　　处：《信息技术与信息化》2025年第4期134-137,共4页Information Technology and Informatization

基　　金：安徽省研究生创新创业实践项目(2023cxcysj089);安徽理工大学研究生创新基金(2023cx2092)。

摘　　要：为提高地表臭氧浓度逐小时预测的精度,文章提出了一种基于多尺度序列相关性的深度学习模型。该模型通过频域分析、图卷积网络和时间卷积网络,提取并学习时间序列中的多尺度时间信息。在真实数据集上的实验结果表明,该模型在多项指标上表现出更高的预测精度,尤其在极值拟合方面具有显著优势,可为城市空气质量管理和政策制定提供有效的数据支持。

关 键 词：臭氧浓度预测 深度学习 频域分析 图卷积 时间卷积 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]