乌鲁木齐PM_(2.5)与其他空气污染物的去趋势互相关系数分析

为了避免时间趋势对相关性的影响,深入了解乌鲁木齐市PM_(2.5)与其他空气污染物的相关关系,本文基于乌鲁木齐市2015-2018年监测站点空气质量实时监测数据,使用新方法—去趋势互相关系数分析法来探索乌市PM_(2.5)与PM_(10)、SO_(2)、NO_(2)、CO、O_(3)五种空气污染物之间的关系.一方面,通过去趋势互相关系数分析法分别对以“天”为单位和以“小时”为单位的数据进行分析,发现PM_(2.5)与PM_(10)、SO_(2)、NO_(2)、CO之间呈正相关性,与O_(3)呈负相关性,并发现CO相比其他空气污染物与PM_(2.5)的关系最为显著.另一方面,去趋势互相关系数分析法的等值线图可以直接观察到乌市PM_(2.5)与其他空气污染物在不同时间点和不同时间尺度下的相关关系变化状况,从而为乌市空气质量问题的治理,降低人类健康风险提供理论支持.

融合图卷积和卷积自注意力的股票预测方法

随着我国股票市场的不断发展,一只股票的走势往往受其企业上下游产业发展的影响。针对主流股票预测模型忽略了股票间关联关系的不足,提出了融合图卷积和多头卷积自注意力的股票趋势预测模型。首先使用互相关系数计算多只关联股票的关系矩阵,再使用图卷积神经网络结合关系矩阵对关联股票进行特征提取,其次使用多头卷积自注意力提取时间特征,最后使用分类损失函数多项式展开框架对损失函数进行优化,并进行趋势预测。实验结果表明,所提模型在准确率、查全率、召回率以及F1分数上均优于门控循环单元、时间卷积网络等模型。