徐万镛，包理群，吴守霞

(兰州工业学院 电子信息工程学院，甘肃 兰州 730050)

空气质量(Air Quality)是反映空气污染程度的重要指标，它影响着人类的身体健康和生活质量，全面、及时地了解空气污染的变化规律对科学防治污染有着重要的现实意义，也出现了很多关于空气质量监测的研究但获取到的都是实时监测数据[1-2].通过对空气质量的提前预测可以使相关部门及普通居民提前做好应对不同空气状况的准备.

不同地区的主要污染物浓度不同，工业发达地区主要污染物来源于工业废气排放，所以SO2等污染物浓度较高；而部分发达地区人口密度大，受人类活动影响PM2.5浓度相对较高；西北地区空气受地理位置影响，风沙大导致PM10浓度相对高于其他城市.现有研究多以中部地区数据为主，面对西部研究相对较少[3].故此，本文以兰州市空气质量数据为例，选择并搭建LSTM神经网络模型，研究该神经网络模型在兰州市空气质量指数预测中的应用，实现对未来12 h内空气质量指数的预测，在探究AQI浓度值预测的同时对其他污染物的预测有着启发性意义，可为相关部门在开展空气质量预报预警工作时提供数据参考.

1 理论介绍

本文选取的训练集是2014—2021年内每个小时的所有空气质量指数数据序列.间隔如此长的历史信息若使用RNN循环神经网络，会导致后期数据受到前期数据影响，权值大幅下降导致学习效果不理想.同时时间序列过长可能会导致在连续……