融合拓扑信息与气象信息的空气质量预测网络

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作，而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况，获取任意时间、任意位置的空气质量信息，结合交叉注意力机制，提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来，作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制，并增加拓扑图编码器模块，提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后，使用时空损失函数替代传统的均方误差损失函数，提高模型对空间关系的关注。结果表明：CGMIM网络模型能够在准确预测的同时，对位置区域合理填充，能够有效提升空气质量监测数据的空间分辨率。