一种基于时空融合深度学习的PM2.5浓度预测方法

本发明公开了一种基于时空融合深度学习的PM2.5浓度预测方法，属于环境监测与智能预测技术领域。该方法包括：采集多站点多维时序数据及空间地理数据并预处理，构建时空输入矩阵及静态空间相关矩阵；通过Transformer编码器捕获长时序依赖获得时序特征表示；引入风场动态调节机制构建动态图结构，通过图神经网络获得空间特征表示；将时序与空间特征深度融合后输出未来多步PM2.5浓度预测结果；采用加权损失函数及学习率预热策略训练模型；基于预测结果生成重污染事件预警信息并输出。本发明能深度融合时空特征、精准捕捉PM2.5重污染事件、训练稳定且适配预警需求。