2024.1,4（1）|智能交通与数字化地铁车站PM2.5浓度自注意力混合预测方法研究陈定宇1，高国飞1，袁泉2（1.北京城建设计发展集团股份有限公司，北京，100037；2.广州地铁设计研究院有限公司，广东广州510010）摘要：建立可靠的空气质量预测模型对经济发展和污染治理至关重要，解决PM2.5浓度的预测问题成为当务之急。本文提出了一种基于自注意力机制的混合预测方法，旨在提高PM2.5浓度的预测精度。使用自注意力机制来捕捉序列中的关键信息；用GRU对序列进行预测；使用DBN对误差序列进行校正，以提高预测的准确性和稳定性，形成了最终的预测序列。为了验证模型的性能，以我国四个地铁车站的室外PM2.5数据为例进行数据处理和预测。结果表明，预测模型在准确性和稳定性方面优于其他参照模型，为决策者提供了科学依据，以更好地治理大气污染问题。关键词：PM2.5；预测；自注意力机制；门控循环单元（GRU）；深度信念网络（DBN）Researchonself‑attentionhybridpredictionmethodforPM2.5concentrationinsubwaystationsCHENDingyu1,GAOGuofei1,YUANQuan2（1.BeijingUrbanConstructionDesign&DevelopmentGroupCo.，Limited，Beijing100037，China；2.GuangzhouMetroDesign&ResearchInstituteCo.，Ltd.，Guangzhou510010，China）Abstract：Itisofgreatsignificancetoestablishareliableairqualitypredictionmodelforeconomicde⁃velopmentandpollutioncontrol.SincePM2.5isthemainpollutantinmostpartsofChina，ithasbe⁃comeatopprioritytosolvetheproblemofpredictingPM2.5concentration.Inthispaper，weproposeanerrorcorrectionmodelbasedontheself-attentionmechanismtoimprovethepredictionaccuracyofPM2.5concentration.Thispaperusesaself-attentionmechanismtocapturekeyinformationinthese⁃quence.TheGRUisusedtopredictthesequence.TheDBNisusedtocorrecttheerrorseriestoim⁃provetheaccuracyandstabilityoftheprediction，andthefinalpredictionsequenceisformed.Inordertoverifytheperformanceofthemodel，thispapertakestheoutdoorPM2.5datafromBeijing，Tian⁃jin，Shanghai，andGuangzhouinChinaformetrostationsasexamplesfordataprocessingandpredic⁃tion.Theresultsshowthatthepredictionmodelinthispaperissuperiortootherreferencemodelsintermsofaccuracyandstability，andprovidesascientificbasisfordecision-makerstobettercont...
