摘 要：針對現(xiàn)在ＰＭ２．５ 濃度預(yù)測模的預(yù)測精度不高和泛化能力差的問題，提出一種結(jié)合時(shí)間模式注意力機(jī)制和改進(jìn)時(shí)間卷積網(wǎng)絡(luò)（Ｔｅｍｐｏｒａｌ Ｐａｔｔｅｒｎ Ａｔｔｅｎｔｉｏｎ ａｎｄ Ｔｅｍｐｏｒａｌ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋ，ＴＰＡ-ＴＣＮ） 的ＰＭ２．５ 濃度預(yù)測模型。通過對氣象數(shù)據(jù)和空氣污染物監(jiān)測站點(diǎn)數(shù)據(jù)進(jìn)行時(shí)空分析，選擇具有高相關(guān)性的鄰近站點(diǎn)作為輔助變量。引入ＴＰＡ 機(jī)制，在ＰＭ２．５數(shù)據(jù)時(shí)間序列的每個(gè)時(shí)間步上計(jì)算注意力權(quán)重，改進(jìn)ＴＣＮ 的殘差結(jié)構(gòu)，提高模型的訓(xùn)練速度和魯棒性。使用自回歸（Ａｕ-ｔｏｒｅｇｒｅｓｓｉｖｅ，ＡＲ） 算法優(yōu)化模型的線性提取能力。實(shí)驗(yàn)結(jié)果表明，該模型在ＰＭ２．５ 預(yù)測對比實(shí)驗(yàn)任務(wù)中表現(xiàn)優(yōu)異，具備更高的預(yù)測精度和更強(qiáng)的泛化能力。

關(guān)鍵詞：ＰＭ２．５ 預(yù)測；時(shí)間卷積網(wǎng)絡(luò)；時(shí)間模式注意力機(jī)制

中圖分類號(hào)：ＴＰ３９１ 文獻(xiàn)標(biāo)志碼：Ａ

文章編號(hào)：１００３－３１０６（２０２４）１０－２３１５－１０

０ 引言

近年來，隨著中國城市化和工業(yè)化的快速發(fā)展，空氣污染問題日益嚴(yán)重，霧霾已經(jīng)對人類的生活、經(jīng)濟(jì)和健康造成了嚴(yán)重影響［１］。其中ＰＭ２． ５ 作為霧霾中的主要成分之一，是指在大氣中空氣動(dòng)力學(xué)直徑小于等于２． ５ μｍ 的可吸入顆粒物［２］。ＰＭ２． ５ 很容易吸收多環(huán)芳烴、汞等有害化學(xué)物質(zhì)，不僅會(huì)降低大氣能見度，還會(huì)附著在人體的呼吸道和肺葉上，進(jìn)而發(fā)展為呼吸道問題、肺癌和心血管等嚴(yán)重疾病［３］。因此，及時(shí)準(zhǔn)確地預(yù)測和提前預(yù)警ＰＭ２． ５ 濃度對空氣污染治理和人們生活出行具有重要意義。