基于分层卷积循环神经网络的早期气体浓度预测方法

一种基于分层卷积循环神经网络的气体浓度早期预测方法，其特征在于，包括以下步骤：构建基于分层卷积循环神经网络的有害气体浓度预测系统；气体数据获取模块获取气体历史数据，然后通过预处理模块进行归一化处理，得到标准气体数据；HCRNN网络中的输入层将标准气体数据转换为气体矩阵数据；卷积模块捕捉气体矩阵数据的空间局部特征和短期时间依赖性，得到卷积特征数据；循环模块捕捉卷积特征数据的长期时间依赖性，得到循环特征数据；线性处理单元对气体矩阵数据进行线性处理操作，得到线性特征数据；输出层将循环特征数据和线性特征数据进行求和，然后输出气体浓度预测结果。效果：能够充分提取气体数据间的时间依赖性，实现气体浓度的早期预测。