典型文献
融合CNN-LSTM和注意力机制的空气质量指数预测
文献摘要：
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.
文献关键词：
空气质量指数;时空模型;CNN;LSTM;注意力机制
中图分类号：
作者姓名：
刘媛媛
作者机构：
运城学院数学与信息技术学院,山西 运城 044000
文献出处：
引用格式：
[1]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
A类：
B类：
注意力机制,空气质量指数预测,空气质量预测,多站点,时空特征,时空模型,多特征,权重分布,AQI,间运,运城市,各站,基模
AB值：
0.276682
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
