面向空气质量预测的多粒度突变拟合网络

作者：石乾宏; 杨燕^*; 江永全; 欧阳小草; 范武波; 陈强; 姜涛; 李媛

来源：计算机应用, 2023, 1-8.

• 空气质量预测
• 深度学习
• 时空特征
• 多粒度
• 突变

空气质量数据作为一种典型的时空数据，具有复杂的多尺度内在特性并且存在突变的问题。针对现有的空气质量预测方法在处理包含大量突变数据的空气质量预测任务时表现不佳这一问题，提出了一种面向空气质量预测的多粒度突变拟合网络（MACFN）。首先，针对空气质量数据在时间上的周期性，对输入数据进行了多粒度的特征提取。然后，采用图卷积网络与时间卷积网络分别提取空气质量数据的空间关联性与时间依赖性。最后，设计了一个突变拟合网络来自适应地学习数据中的突变部分，从而减小预测误差。所提出的模型在三个真实的空气质量数据集上进行了实验评估，与次优模型多尺度时空网络（MSSTN）相比，均方根误差（RMSE）在三个数据集上分别下降约11.6%、6.3%和2.2%。实验结果表明，MACFN模型能够有效地捕捉到复杂的时空关系，并在变化幅度较大，易发生突变的空气质量预测任务中有更好的表现。

• 单位
  西南交通大学