一种基于神经网络的空气质量预测方法、装置及介质

本发明公开了一种基于神经网络的空气质量预测方法、装置及介质，涉及环境空气领域，包括获取试验区域的空气质量数据；基于时间序列生成对抗网络TimeGAN模型对空气质量数据进行数据增强，获取数据增强生成的数据，将其与原始空气质量数据进行合并和缩放；构建改进型长短期记忆网络LSTM模型；基于原多层LSTM模型，将原多层LSTM的激活函数替换为修正线性单元ReLU，并在修正线性单元ReLU之前添加全连接层；基于缩放后的空气质量数据，对改进型LSTM模型进行训练，获取用于空气质量预测的空气质量预测模型；将待检测的空气质量数据输入至空气质量预测模型，得到空气质量预测结果，从而实现空气质量的准确预测。