L'allongement des saisons polliniques et la hausse des concentrations de pollen accroîtront le nombre d'allergies au pollen en Europe. Connaître ces concentrations à l'avance permettrait de mieux prévenir les populations. Dans ces travaux, des réseaux de neurones récurrents sont utilisés pour prédire les concentrations dans un proche avenir afin de pouvoir élaborer un risque pollinique. Cette étude se concentre sur la prédiction à un et deux jours des concentrations de pollen de bouleau à Amiens à partir des concentrations passées en utilisant un modèle LSTM-Seq2Seq. Ce modèle offre des prédictions plus précises que les méthodes de prédiction naïve ou XGBoost pour de la prédiction à deux jours.

Longer pollen season and higher of pollen concentrations will increase the number of pollen-allergic people in Europe. Knowing these concentrations in advance will allow us to better prepare the population. In this study, recurrent neural networks, especially LSTM-Seq2Seq models, are used to forecast birch pollen concentrations in Amiens for one and two days ahead, aiming to elaborate on pollinic risk. This model provides more precise results than naïve or XGBoost approaches for a 2-day-ahead prediction.