[发明专利]一种PM2.5浓度预测方法、装置及介质

摘要

本发明公开一种PM2.5浓度预测方法、装置及介质，涉及污染物预测技术领域，该方法基于CNN和双向GRU神经网络，基于一维卷积神经网络CNN和双向GRU神经网络搭建PM2.5预测模型；将气象训练数据张量送入PM2.5预测模型进行训练；所述一维卷积神经网络CNN分别对每个输入变量时间序列进行局部特征学习并降维，依次经过卷积和池化操作，形成低维特征序列；将特征序列输入双向GRU神经网络，双向GRU神经网络从时间正序和时间逆序学习特征序列；将气象测试数据张量送入已训练完成的PM2.5预测模型中进行预测，获取PM2.5预测浓度值；该模型有效利用卷积神经网络的速度和轻量特性与RNN的顺序敏感性，允许在训练时查看更多的数据量，提高预测准确度。

主权项

1.一种PM2.5浓度预测方法，其特征在于，该方法基于CNN和双向GRU神经网络，包括如下步骤：S10、基于一维卷积神经网络CNN和双向GRU神经网络搭建PM2.5预测模型；所述的PM2.5预测模型，具体为：所述一维卷积神经网络CNN的输入端连接气象数据张量，一维卷积神经网络CNN的输出端连接双向GRU神经网络的输入端，双向GRU神经网络的输出端接入全连接层，最后一层包含一个用于生成PM2.5浓度预测值的神经元；S20、将气象训练数据张量送入PM2.5预测模型进行训练；具体为：所述一维卷积神经网络CNN分别对每个输入变量时间序列进行局部特征学习并降维，依次经过卷积和池化操作，形成低维特征序列；将特征序列输入双向GRU神经网络，双向GRU神经网络从时间正序和时间逆序学习特征序列；S30、将气象测试数据张量送入已训练完成的PM2.5预测模型中进行预测，获取PM2.5预测浓度值。