论文部分内容阅读
使用机器学习算法对未来AQI进行预测,有助于从宏观角度分析未来空气质量变化趋势.在传统上使用单一的机器学习模型对空气质量进行预测时,很难在不同AQI波动趋势下都能获得较好的预测效果.为有效解决该问题,在预测方式上进行改进,针对使用随机森林模型和基于卷积神经网络和注意力机制的长短期记忆模型对成都市的AQI数据进行预测时,在不同的AQI波动趋势下两者的预测准确度不同的特点,设计了一种差异融合分析模型.实验结果表明,提出的差异融合分析模型的MSE误差较随机森林模型降低了5.8％,较基于卷积神经网络和注意力机制的长短期记忆模型降低了6.3％.