摘要
PM2.5(细颗粒物)是空气污染的主要成分之一,长期暴露于高浓度的PM2.5环境中,对人类健康和环境都有严重危害,包括呼吸系统疾病、心血管疾病和早逝等.因此,基于时间序列数据准确预测PM2.5浓度对于提前决策和风险管理至关重要.提出一种基于金字塔注意力机制(PAM)和双向长短期记忆网络(BiLSTM)的PM2.5 浓度预测模型.实验结果表明,PAM-BiLSTM模型在预测精度和效率方面具有显著优势,同时消融实验验证了PAM模块的有效性,在多个评价指标上优于BiLSTM模型,对于环境监测和公共健康保护具有重要意义.
NETL
NSTL
万方数据