一种基于GCN-TCN组合神经网络预测PM2.5浓度的方法

本申请属于环境资源信息化技术领域，尤其涉及一种基于GCN‑TCN组合神经网络预测PM2.5浓度的方法，包括：利用机动车搭载大气悬浮颗粒物传感器，以分钟为单位实时记录目标区域内各监测位置大气悬浮颗粒物的浓度数据；从与目标区域邻近气象监测站中获取实时气象数据；基于待预测区域所覆盖的各监测位置构建邻接矩阵，并将待预测区域内各监测位置PM10浓度数据与气象数据通过时间戳结合，以得到时间序列数据；将邻接矩阵以及时间序列数据作为输入，将待预测区域各监测位置PM2.5浓度作为目标值，训练GCN‑TCN组合神经网络；利用训练好的GCN‑TCN组合神经网络对待预测区域未来时间范围内PM2.5浓度进行预测。该方法在保障污染物浓度预测准确性的同时将空间分辨率从公里级提升至百米级。