本发明采用以下方案实现:一种融合ssae深度特征学习和lstm网络的pm2.5小时浓度预测方法,具体为:构建ssae-lstm模型,将一定时间步长的空气污染物时间序列输入该模型,采用ssae网络通过无监督的方法提取输入数据的抽象特征,将提取的特征作为lstm网络的输入特征,获取一定时间步长内空气污染物信息的特征分布,最后结合全连接网络预测...