文献类型：期刊文章

作　　者：刘媛媛[1]

Liu Yuanyuan(Department of Mathematics and Information Technology,Yuncheng University,Yuncheng,Shanxi 044000,China)

机构地区：[1]运城学院数学与信息技术学院,山西运城044000

出　　处：《计算机时代》

基　　金：运城学院应用研究项目(YQ-2020019)。

年　　份：2022

期　　号：1

起止页码：58-60

语　　种：中文

收录情况：普通刊

摘　　要：针对空气质量预测中复杂的时空问题,本文构造了多站点间的交互时空特征,搭建了结合CNN和LSTM的深度时空模型,并引入注意力机制学习多特征之间的权重分布,找出对空气质量指数(AQI)影响较大的特征重点关注,构造了融合CNN-LSTM和注意力机制的AQI预测模型。使用2019年1月至2020年12月间运城市各站点的小时粒度数据进行实验,结果表明,该模型对空气质量指数的预测较基模型具有更优的性能。

关 键 词：空气质量指数 时空模型  CNN LSTM  注意力机制  

分 类 号：TP391]