基于注意力機制的Transformer模型預測PM_(2.5)濃度

摘要： 采用北京市12個空氣監(jiān)測站點2013年3月至2016年12月期間的監(jiān)測數(shù)據(jù)以及氣象數(shù)據(jù)，利用皮爾遜系數(shù)方法探究影響PM_(2.5)濃度的關(guān)鍵因素，構(gòu)建一種基于多頭注意力機制的改進Transformer模型對PM_(2.5)濃度進行長期預測，并引入卷積神經(jīng)網(wǎng)絡(luò)模型（Res Net50）和長短期記憶網(wǎng)絡(luò)模型（LSTM）進行比較，選用解釋性方差（EVS）、決定系數(shù)（R~2）、均方誤差... （共10頁）