空气质量预测的深度学习模型研究与评估
Research and Practice of Deep Learning Model for Air Quality Prediction
-
作者：
黎嘉明
1
-
作者单位：
-
提交时间：2023-09-22 11:14:09
摘要: 目的 及时和准确的空气质量预测数据对于环境管理至关重要，尤其是在空气重污染期间，预测数据可以为政府生态环境管理部门应对污染状况、精准地调配社会资源的决策提供数据支撑。
方法 笔者研发的基于深度学习的空气质量预测模型AirNet6，可以兼顾准确性和实时性，实现臭氧、二氧化硫、一氧化碳等因子的7天甚至更长时间的空气质量预测。
结果 与传统的化学模型演算不同，本模型使用时空图卷积网络（STGCN），能捕获历史监测数据、天气预测数据、社会活动等数据的规律，在2分钟内完成一百多个点位未来168小时数据的预测。
结论 实验表明，AirNet6模型在速度、节能和准确度上，比传统的化学模型及时间序列AI模型均有明显进步。
关键词：空气质量预测、人工智能、深度学习模型、时空图卷积网络
版本历史
| [V1] |
2023-09-22 11:14:09 |
ChinaXiv:202309.00173V1
|
下载全文 |
相关信息
待评议
点击量
下载量
