基于改进的lstm的大气污染度浓度预测

lstm的大气污染度浓度预测 背景： 现今时代，大气污染物浓度的指标在环境保护中起着很重要的作用 基本要求 1、学习时序预测LSTM及其改进模型； 2、针对大气污染物浓度的特点，选择一个合适的预测模型 简单思路： 1、建议使用CNN+BiLSTM+attention的思路对时序进行预测、或者使用CNN+LSTM的思路、Transformer的思路、这三者都是LSTM的改进模型，对于时序数据的预测效果比较好 2、大气污染物浓度的特点就是随时间变化，不会剧烈突变，所以使用CNN去提取特征，LSTM记录时序关系，这种预测模型的效果是最好的。 具体思路： 1、网上收集某个城市的空气污染数据，将其处理成按小时的训练数据，时序的思路是用前24小时的预测下个小时的数据 2、使用LSTM改进模型或者Transformer来进行预测，这个由你选择。