空军工程大学学报

作者：杨亚莉1，李智伟1，钟卫军2

单位：1.空军工程大学基础部， 西安， 710051； 2.宇航动力学国家重点实验室， 西安， 710043\

关键词：PM2.5;时间序列预测;深度学习;循环神经网络;注意力机制

基金：国家自然科学基金（61801518）；空军工程大学基础部研究生创新基金

针对PM2.5浓度预测模型效果不稳定、泛化能力差的问题，以循环神经网络和注意力机制为基础，提出了二向注意力循环神经网络（TDARNN）。首先，TDA-RNN模型通过注意力机制获取输入数据的时序注意力和类别注意力，并将其进行融合；然后通过特征编码器对融合后的数据进行编码，获得中间特征；最后将中间特征与PM2.5浓度的历史信息融合，并通过特征解码器获取预测值。对北京地区的PM2.5浓度进行了预测。结果表明，相比前向型神经网络、长短期记忆神经网络、门控循环单元模型和滑动平均模型，TDA-RNN模型预测精度更高；在抗干扰测试中，当输入数据存在无关因素时，TDARNN模型的预测精度出现轻微下降，但仍高于其他模型。该二向注意力循环神经网络特征提取能力强，预测精度高，同时可适用于其他场景的多变量时间序列预测。

来源：2020年第6期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2020年第6期