基于交互差分时空LSTM的网格化臭氧浓度预测

摘要：

臭氧浓度的预测对于大气环境治理、空气质量改善等起到了重要的作用.本文提出了一种交互差分时空LSTM网络预测模型(ST-IDN)来挖掘臭氧浓度历史数据的时间相关性和空间相关性,并成功将其应用到网格化臭氧浓度数据预测上.在该模型中,首先交互模块(IC)可以通过一系列的卷积操作来捕捉短期上下文信息,其次层融合模块(LF)可以融合不同层的空间信息来获得上一时刻丰富的空间信息,最后差分时空LSTM模块(DSTM)将捕捉到的时间信息和空间信息进行统一建模实现臭氧浓度预测.所构建模型分别与卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)以及Memory in Mem-ory网络(MIM)模型在河北省气象局提供的臭氧浓度数据上进行了对比分析,ST-IDN模型的平均绝对误差分别降低了19.836%、12.924%、7.506%.实验结果表明,所提出的模型能够提高臭氧浓度的预测精度.

关键词：交互差分时空LSTM预测网络、网格化臭氧浓度数据、臭氧浓度预测、时间信息、空间信息

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：河北省高等学校科学研究项目;河北省气象局科研项目;河北省自然科学基金

在线出版日期：2023-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：36-43