融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

• 作 者: 傅颖颖 张丰 杜震洪 刘仁义
• 机 构: 浙江大学浙江省资源与环境信息系统重点实验室,浙江大学地理信息科学研究所
• 出 处: 浙江大学学报(理学版)
• 发表日期: 2021年01期
• 关键词: PM2.5小时浓度多步预测 图卷积 注意力机制 深度学习 multi-step prediction of PM2.5 hourly concentration
• 基金项目: 国家重点研发计划项目(2018YFB0505000),国家自然科学基金资助项目(41871287).

PM_(2.5)小时浓度多为单步预测。为实现PM_(2.5)小时浓度的多步预测,基于"编码器-解码器"的序列-序列预测(Seq2Seq)模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_(2.5)小时浓度多步预测(GCN_Attention_Seq2Seq)模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气