《表2 深度学习PM2.5预报模型配置参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的大气细颗粒物污染时空预报》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：f为卷积核尺寸，s为卷积核滑动步长，p为填充尺寸，d为该层卷积核数量，即该层输出的通道数。

经过改进，本研究最终使用的深度学习预报模型为编码器-Conv LSTM-Conv LSTM-解码器的结构，如图2所示，模型的配置参数如表2所示。模型输入48个气象、排放变量在t-72～t-1时刻上的平均值以及在t0时刻的值共96个变量，输出t1～t6未来6 h PM2.5浓度预报。模型包含1个由32通道1×1卷积核组成的编码器，2个Conv-LSTM叠加组成的主体结构（ConvLSTM的卷积核设置为64通道3×3卷积核）以及1个由单通道1×1卷积核组成的解码器。