基于GA-MSA-LSTM模型的苯污染物浓度预测研究.pdfVIP

第41卷第3期黑龙江大学自然科学学报Vol.41No.3

2024年6月JOURNALOFNATURALSCIENCEOFHEILONGJIANGUNIVERSITYJune,2024

D0I:10.13482/j.issn1001-7011.2024.03.206投稿网址：

基于GA-MSA-LSTM模型的苯污染物

浓度预测研究

李凤翔，王化琨

（黑龙江大学数学科学学院，哈尔滨150080）

摘要：提出了一种基于遗传算法优化的多头自注意力－长短期记忆（Geneticalgorithmmulti-head

self-attentionlongshort-termmemory，GA-MSA-LSTM)神经网络的预测模型，预测空气中的苯污染物

的浓度。将MSA加入LSTM神经网络中，使用遗传算法确定最优的“头”个数、时间步长和隐藏层

神经元个数，以期提高苯浓度预测的精确度，优化输出结果。数据实验结果显示，GA-MSA-LSTM

模型的预测值较LSTM模型和MSA-LSTM模型，能够更好地反映真实值的变化趋势，在均方根误差

（Rootmeansquareerror，RMSE）、平均绝对误差（Meanabsoluteerror，MAE）和平均绝对百分比

（Meanabsolutepercentageerror，MAPE）3个评价指标上也体现了其优越性，充分说明了该模型的

有效性和可行性。研究表明，该模型具有普遍适用性，也可以应用于不同类型的时间序列数据

分析。

关键词：苯浓度；遗传算法；神经网络

中图分类号：0212.1文献标志码：A文章编号：1001-7011(2024)03-0281-07

Aresearchforpredictingbenzeneconcentrationbasedon

GA-MSA-LSTMmodel

LIFengxiang,WANGHuakun

(SchoolofMathematicalSciences,HeilongjiangUniversity,Harbin150080,China)

Abstract:Apredictionmodelbasedongeneticalgorithmoptimizedmulti-headself-attentionlongshort-

termmemory(GA-MSA-LSTM)neuralnetworkhasbeenproposedtopredicttheconcentrationofbenzene

pollutantsintheair.TheMSAmodelisaddedtoLSTMneuralnetwork,whichusesageneticalgorithmto

determinetheoptimizednumber“head,thetimestepsandhiddenlayerneuronstoimprovethe

accuracyofbenzeneconcentrationpredictionandoptimizetheoutputresults.Thedataexperimental

resultsdemonstratethatthepredictedvaluesofGA-MSA-LSTMmodelcanbetterreflectthechangetend

ofthetruevaluesthantheLSTMmodelandtheMSA-