一种基于多模态深度学习的空气污染物预测方法和系统

本发明公开了一种基于多模态深度学习的空气污染物预测方法和系统，方法包括：获取历史空气质量数据，制作数据集；对数据集进行预处理；基于双向长短期记忆网络BiLSTM，使用多层感知机MLP和多头注意力机制Multi‑Head Attention构建混合神经网络模型；将预处理后的数据集按照预设的比例划分为训练集、验证集和测试集；使用训练集训练混合神经网络模型；对训练后的混合神经网络模型进行评估；重复训练和评估步骤，直到评估结果大于预设阈值，输出得到MLP‑BiLSTM‑MHAT预测模型，使用MLP‑BiLSTM‑MHAT预测模型对待测空气进行预测；本发明可以提高空气污染物浓度预测的准确性和可靠性，为保障空气质量和空气污染物防治方面提供帮助。