文档摘要：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.本文提出的基于人工智能的深度学习模型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.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),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2min内完成一百多个点位未来168h数据的预测.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.
Abstract：Timelyandaccurateairqualitypredictiondataisveryimportantforenvironmentalmanagement,especially,duringtheperiodofheavyairpollution.Thepredictiondatacanprovidedatasupportforthedecision-makingofthegovernment'secologicalenvironmentmanagementdepartmentstocopewiththepollutionsituationandaccuratelyallocatesocialresources.TheartificialintelligencebaseddeeplearningmodelAirNet6proposedinthisarticlecangiveconsiderationtobothaccuracyandreal-timeperformancetoachieve7-dayorlongerairqualitypredictionforozone,sulfurdioxide,carbonmonoxideandotherfactors.Unliketraditionalchemicalmodelcalculations,thismodelbaseonSpatio-TemporalGraphConvolutionalNetworks(STGCN),whichcapturesthelawsofhistoricalmonitoringdata,weatherpredictiondata,socialactivitiesandotherdata,andcompletesthepredictionofmorethanonehundredpointsforthenext168hoursintwominutes.ExperimentsshowthattheAirNet6modelhasmadesignificantprogressinspeed,energyefficiency,andaccuracycomparedtotraditionalchemicalmodelsandtimeseriesAImodels.
作者：黎嘉明Author：LIJiaming
作者单位：广东省生态环境监测中心,广州510000
刊名：智能计算机与应用
Journal：IntelligentComputerandApplications
年，卷(期)：2024, 14(7)
分类号：X824TP183
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
Keywords：airqualityprediction artificialintelligence depthlearningmodel STGCN
机标分类号：X513TP391.41X16
在线出版日期：2024年7月22日
基金项目：空气质量预测的深度学习模型研究与实践[
期刊论文] 智能计算机与应用--2024, 14(7)黎嘉明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.本文提出的基于人工智能的深度学习模型AirNet6,可...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
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,
|
|
