基于ConvFormer-KDE的长时PM2.5浓度点与区间预测方法

本发明公开了基于ConvFormer‑KDE的长时PM2.5浓度点与区间预测方法。该方法通过卷积神经网络和Transformer技术实现测站准确PM2.5浓度点预测基础上，利用核密度估计技术量化了预测的不确定性和波动性。首先，对采集到的多测站多源数据集异常值和缺失值进行预处理。在影响因素选择方面，综合考虑空气污染污染物和气象因素之间的相互作用。其次，建立ConvFormer模型，该模型将卷积神经网络CNN和Transformer结合以捕获多元变量之间的长期依赖性，实现PM2.5浓度长期点预测。最后，利用核密度估计，得到置信度分别为85％、90％和95％的PM2.5浓度预测区间，以反映PM2.5长期变化趋势中的不确定性信息。本发明实现PM2.5浓度准确区间长时预测，为保护公众健康、监测环境污染情况、辅助政策制定等提供必要的技术支持。