基于高階圖卷積網絡的城市空氣質量推斷模型
信息技術與網絡安全
陳 杰1，許鎮義1，2
(1.中國科學技術大學 自動化系，安徽 合肥230026； 2.合肥綜合性國家科學中心人工智能研究院，安徽 合肥230088)
摘要： 能否精確地預測城市區域空氣質量分布，對于政府環境治理以及人們日常預防等方面，具有重要的意義。該問題面臨的挑戰是：一是不同區域的空氣質量分布具有時空交互性；二是空氣質量分布受到外部因素的影響。通用化卷積神經網絡以處理任意圖結構數據，成為近些年來研究的熱點之一，將城市空氣質量預測問題可制定為時空圖預測問題。基于提出的高階圖卷積網絡，設計了一種有效的空氣質量推斷模型。該模型可以捕獲空氣質量分布的時空交互性和提取外部影響因素特征，從而精確預測空氣質量分布。通過驗證現實北京市空氣質量數據，結果表明提出的模型遠遠優于目前已知的通用方法。
中圖分類號： P41
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.04.006
引用格式： 陳杰，許鎮義. 基于高階圖卷積網絡的城市空氣質量推斷模型[J].信息技術與網絡安全，2021，40(4)：33-41，45.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.04.006
引用格式： 陳杰，許鎮義. 基于高階圖卷積網絡的城市空氣質量推斷模型[J].信息技術與網絡安全，2021，40(4)：33-41，45.
A high-order graph convolutional network for urban air quality inference
Chen Jie1，Xu Zhenyi1，2
(1.Department of Automation，University of Science and Technology，Hefei 230026，China； 2.Institute of Artificial Intelligence，Hefei Comprehensive National Science Center，Hefei 230088，China)
Abstract： Whether it can accurately predict the air quality distribution is of great significance to the government′s environmental governance and people′s daily health prevention. This problem is challenging for the following reasons：(1)The air quality distribution in different regions has temporal and spatial interaction；(2)The air quality distribution is affected by external factors. In recent years，generalized convolutional neural network(CNN) is one of the research hotspots to process arbitrary graph structured data, so the fine-grained air quality forecasting problem in urban areas is formulated as an urban spatio-temporal graph prediction problem.Based on the proposed high-order graph convolution, we design an effective air quality inference model for inferring the air quality distribution, which could capture the spatio-temporal interaction of air quality distribution and extract external influential factor features. Through the verification of Beijing air quality data, experimental results show that proposed approach far outperforms known baseline methods.
Key words : air quality；spatial-temporal interaction；graph convolutional network；semi-supervised learning
0 引言
近年來，隨著經濟的增長，環境問題也變得日益突出，大氣污染問題正受到前所未有的關注和重視[1]。城市空氣中，如一氧化碳(CO)、碳氫化物(HC)、氮氧化物(NOx)、固體顆粒物(PM2.5、PM10)等污染物濃度與人們的身體健康息息相關[2-3]。空氣質量指數(Air Quality Index，AQI)是定量描述空氣質量狀況的指數，其數值越大說明空氣污染狀況越嚴重，對人體健康的危害也就越大[4]。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000003475
作者信息：
陳 杰1，許鎮義1，2
(1.中國科學技術大學 自動化系，安徽 合肥230026；
2.合肥綜合性國家科學中心人工智能研究院，安徽 合肥230088)
此內容為AET網站原創，未經授權禁止轉載。