使用模拟的CVOCA-BiLSTM混合模型在高海拔城市准确地预测AQI:西藏拉萨的一个案例研究
Fangjing Xiao1, Xiaomei Cui1, Guibin Jiang1,2
1Key Laboratory of Biodiversity and Environment on the Qinghai-Tibet Plateau, Ministry of Education, School of Ecology and Environment, Xizang University, Lhasa, 850000, China.
Scientific reports
|November 4, 2025
概括
在高海拔城市预测空气质量指数 (AQI) 得到了新的混合模型的改进. 这种方法结合了模拟的复杂估值光学卷积加速器 (CVOCA) 与双向长短期记忆 (BiLSTM) 网络,以进行准确的预测.
科学领域:
- 环境科学 环境科学
- 大气科学 大气科学
- 计算机科学 计算机科学
背景情况:
- 高海拔空气质量预测面临着复杂的大气动态带来的挑战.
- 准确预测空气质量指数 (AQI) 对高原地区的环境管理至关重要.
研究的目的:
- 开发一种混合预测模型,以改善高海拔城市的AQI预测.
- 通过使用先进的深度学习技术,提高AQI预测的计算效率.
主要方法:
- 开发了一种混合模型,将模拟的复杂估值光学卷积加速器 (CVOCA) 与双向长短期存储器 (BiLSTM) 网络集成在一起.
- 该CVOCA模块进行了高速复杂值卷积,用于特征提取.
- BiLSTM组件在AQI数据中捕获了双向时间依赖.
主要成果:
- 与独立的LSTM和BiLSTM模型相比,混合模型在AQI预测中表现优异.
- 关键的绩效指标包括RMSE=1.60,MAE=0.93,MAPE=1.60%,R=0.997和R2=0.996.这些指标均为主要的绩效指标.
- 该模型有效地捕获了高原环境的非线性时间动态特征.
结论:
- 拟议的混合CVOCA-BiLSTM模型为高海拔地区的实时AQI预测提供了可扩展和准确的解决方案.
- 这种方法支持环境决策和公共卫生倡议在具有挑战性的地理区域.
