张春露，白艳萍

(中北大学， 太原 030051)

当今社会，随着人们生产、生活的发展，环境问题逐渐成为人们关注的焦点。山西省太原市是一座拥有2 500年历史的文化古城。长久以来，山西省作为全国的煤炭大省在为国家发展做贡献的同时，也不可避免地造成了一定的环境影响。如今环境问题日益严重，特别是在冬季供暖时期，山西主要依靠的是烧煤供暖，环境问题十分严峻。山西省想要恢复碧水蓝天，尤其是作为省会城市的太原，更加需要以新的面貌去迎接未来的挑战和发展。太原市经过多年的整治，但环境改善并没有达到预期的效果，为了进一步揭示和治理太原空气质量的污染情况，必须了解空气变化趋势，掌握及时、准确、全面的空气质量信息，对空气质量AQI指数进行精准地预测。基于此，本文提出了一种基于TensorFlow的 LSTM(递归神经网络)时间序列模型来预测太原空气质量的AQI指数。

1 理论介绍

1.1 LSTM简介[1]

长短期记忆人工神经网络(long-short term memory，LSTM)是一种改进的时间循环神经网络(recurrent neural network，RNN)。

LSTM的关键是单元状态[2](cell state)，它像是传送带一样，将信息从上一个单元传递到下一个单元，与其他部分只有很少的线性相互作用。LSTM通过“门”(gate)来控制丢弃或增加信息，从而实现遗忘或记忆的功能。“门”是一种使信息选择性通过的结构，由一个sigmoid函数和一个点乘操作组成。sigmoid函数的输出值在[0,1]区间，“0”代表完全丢弃，“1”代表完全通过。1个LSTM单元有3个这样的门，分别是遗忘门(forget gate)、输入门(input gate)、输出门(output gate)。

1) 遗忘门：遗忘门是以上一单元的输……