Key points are not available for this paper at this time.
空气质量预测在环境保护和公共健康中发挥着重要作用。然而，现有的深度学习模型在捕捉长期时空依赖性方面仍然有限。为克服这一局限，本研究提出了一种二阶递归神经网络（SndRNN）。通过将记忆单元的两个历史状态与当前输入一起纳入当前记忆状态的更新，该模型增强了历史信息的表示能力，并改善了长期依赖性建模。在中国多个监测站收集的六个空气质量数据集上进行了广泛的实验，将该模型与五个相关的基线模型进行了比较。结果表明，SndRNN在90%和97%的实验案例中分别达到了更好的MSE和RMSE值，且整体上优于传统的基于RNN的方法和其他代表性模型.
张等（Mon，）研究了这个问题.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: