本发明属于深度学习技术领域，具体地说是一种基于CNN‑AM‑BiLSTM残差网络的臭氧浓度预测方法。包括以下步骤：获取监测站的历史常规污染物和气象因素数据并进行数据清洗；卷积神经对输入多维度的数据进行特征特征提取；构建多头注意力机制去帮助模型更好的关注重要的特征，从而增强特征表示的能力；BiLSTM对提取的特征进行时间建模，更好地捕捉时间序列数据中的长期依赖关系；构建残差网络去缓解梯度消失问题，使模型更好地学习输入数据的非线性映射；通过全连接层将BiLSTM输出的特征映射到目标输出空间，本发明为臭氧的浓度预测提供一种切实有效的方法，能够较为准确的预测臭氧浓度，为大气环境治理提供了有效的技术支撑。