公开(公告)号：CN113095550B

公开(公告)日：2023-12-08

申请号：CN202110322814.7

申请日：2021-03-26

Applicant: 北京工业大学

Inventor： 刘博 ,  李依楠

IPC: G06Q10/04 ,  G06F30/27 ,  G06N3/0455 ,  G06N3/084 ,  G06F17/18 ,  G06Q50/26

Abstract: 本发明公开了一种基于变分递归神经网络和自注意力机制的空气质量预测方法，该方法包括如下步骤：获取空气质量数据和天气数据并预处理，构建输入数据和输出数据。编码器的输入数据包括污染物数据和历史气象数据。解码器的输入数据包括编码器的输出结果，气象预报数据，和上一时刻的污染物数据。将数据分割为训练数据和测试数据。使用训练数据对Seq2Seq模型进行训练：使用测试数据测试预测结果。本发明使用Seq2Seq模型对空气质量进行预测。首先在编码器的输入阶段引入了自注意力机制，从而实现了选取特征因子和把握长期时须依赖关系，在模型中使用VRNN代替解码器的RNN，进一步捕获输出端不同时间步之间复杂的依赖关系，有效减少误差积累从而提高预测精度。

公开(公告)号：CN113095550A

公开(公告)日：2021-07-09

申请号：CN202110322814.7

申请日：2021-03-26

Applicant: 北京工业大学

Inventor： 刘博 ,  李依楠

IPC: G06Q10/04 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F17/18 ,  G06Q50/26

Abstract: 本发明公开了一种基于变分递归神经网络和自注意力机制的空气质量预测方法，该方法包括如下步骤：获取空气质量数据和天气数据并预处理，构建输入数据和输出数据。编码器的输入数据包括污染物数据和历史气象数据。解码器的输入数据包括编码器的输出结果，气象预报数据，和上一时刻的污染物数据。将数据分割为训练数据和测试数据。使用训练数据对Seq2Seq模型进行训练：使用测试数据测试预测结果。本发明使用Seq2Seq模型对空气质量进行预测。首先在编码器的输入阶段引入了自注意力机制，从而实现了选取特征因子和把握长期时须依赖关系，在模型中使用VRNN代替解码器的RNN，进一步捕获输出端不同时间步之间复杂的依赖关系，有效减少误差积累从而提高预测精度。