基于LSTM与Transformer的空气质量预测
Journal: Ecological Environment and Protection DOI: 10.12238/eep.v7i9.2262
Abstract
空气质量预测对于公共健康具有重要意义,本文针对空气质量表征值的特点设计了LSTM模型与Transformer结合进行空气质量预测的方法。模型具有长期历史数据记忆能力与特征关注的泛化能力。文中将过去9年某地空气质量的原始观测数据作为输入,而后输出未来24小时的空气质量指数。实验结果显示,在测试集上,该模型的MAE和RMSE等评判指标均优于LSTM、GRU、CNN-LSTM和单独的Transformer模型,可以较好地完成空气质量预测。
Keywords
空气质量指数；LSTM；Transformer；多头注意力
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 余长慧,刘良.基于注意力机制的Seq2seq模型在PM2.5浓度预测中的研究[J].测绘地理信息,2023,48(04):126-131.
[2] 刘媛媛.融合CNN-LSTM和注意力机制的空气质量指数预测[J].计算机时代,2022(01):58-60.
[3] 王克丽,卢照.基于双层LSTM模型的空气质量预测[J].电脑与信息技术,2024,32(01):51-55.
[4] 周聪,卢杰.基于深度学习的空气质量综合分析系统[J].科学技术创新,2024(21):67-70.
[5] Felix Gers,Jürgen Schmidhuber,Fred Cummins.Learning to Forget:Continual Prediction with LSTM[J].Neural Computation,2000.
[6] Karim Ahmed,Nitish Shirish Keskar,Richard Socher.Weighted Transformer Network for Machine Translation[J/OL].https://arxiv. org/pdf/1711.02132.
[2] 刘媛媛.融合CNN-LSTM和注意力机制的空气质量指数预测[J].计算机时代,2022(01):58-60.
[3] 王克丽,卢照.基于双层LSTM模型的空气质量预测[J].电脑与信息技术,2024,32(01):51-55.
[4] 周聪,卢杰.基于深度学习的空气质量综合分析系统[J].科学技术创新,2024(21):67-70.
[5] Felix Gers,Jürgen Schmidhuber,Fred Cummins.Learning to Forget:Continual Prediction with LSTM[J].Neural Computation,2000.
[6] Karim Ahmed,Nitish Shirish Keskar,Richard Socher.Weighted Transformer Network for Machine Translation[J/OL].https://arxiv. org/pdf/1711.02132.
Copyright © 2024 闫凯
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License