本文提出一种基于多尺度时空优化的空气质量预测方法(multi-scale spatial-temporal network for air quality prediction,MSSTN-AQP),结合空气质量系统中存在的长短期时间依赖关系和动态空间依赖性,提高长期空气质量预测的准确性。首先...本文提出一种基于多尺度时空优化的空气质量预测方法(multi-scale spatial-temporal network for air quality prediction,MSSTN-AQP),结合空气质量系统中存在的长短期时间依赖关系和动态空间依赖性,提高长期空气质量预测的准确性。首先,通过构建多尺度时空特征提取模块,从多源异构数据中提取时空特征。其次,构建动态空间特征提取模块。通过将图卷积网络与注意力机制进行有效结合,捕捉空气质量网络中的全局空间特征,用于对多种空间依赖关系的联合建模。最后,构建时间特征提取模块,对Transformer模型进行改进与优化。自适应时间Transformer模块主要用于模拟跨多个时间步长的双向时间依赖关系。此外,将上述时空特征提取模块进行有效集成化,构建端到端的空气质量预测模型。为了验证模型的有效性,在两个真实数据集中进行实验验证。实验结果表明,MSSTN-AQP在预测精度上更具优势,尤其是在长期的空气质量预测任务中优势更加明显。展开更多
近年来城市形态对空气质量的影响研究引起了国内学者的广泛关注,获得了大量研究成果,但仍然缺乏系统梳理。作者以中国期刊全文数据库(CNKI)和美国科学情报研究所Web of Science核心合集为数据源,采用文献归纳法和CiteSpace软件,对2000至...近年来城市形态对空气质量的影响研究引起了国内学者的广泛关注,获得了大量研究成果,但仍然缺乏系统梳理。作者以中国期刊全文数据库(CNKI)和美国科学情报研究所Web of Science核心合集为数据源,采用文献归纳法和CiteSpace软件,对2000至2022年发表的我国城市形态对空气质量影响的文献进行了系统分析。研究发现:年度发文量整体呈上升趋势,2017年后英文文献发文量高于中文文献量,中英文研究机构重合度较低,缺少合作研究;研究主要以区域尺度和局地尺度为主,微观尺度街谷和西部的研究偏少;研究方法以统计分析、遥感和GIS的融合应用为主,数值模拟方法应用较少;城市规划与环境保护、空气污染与影响是研究热点,城市形态测度指标、城市形态对空气质量影响因素、相关性分析是主要的研究内容;土地审批、交通排放、人口分布、城市设计、植被覆盖是缓解空气污染的重要途径。展开更多
针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对...针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对AQI原始数据具有大量噪声的问题,使用VMD方法对非平稳信号进行模态分解以降低噪声对预测结果的影响从而获得多个不同特征的模态分量;其次,针对LSTM靠人工经验调参存在一定局限性,利用DBO算法对LSTM模型参数进行优化;最后,对分解后的各个子序列使用LSTM模型预测,将各个子序列进行叠加得到最后的预测结果。实验结果表明,VMD对非平稳数据的分解有助于提高预测精度,VMD-DBO-LSTM模型的性能较其他模型均有不同程度的提高,该模型预测的均方根误差为4.73μg/m^(3),平均绝对误差为3.61μg/m^(3),拟合度达到了97.8%。展开更多
文摘本文提出一种基于多尺度时空优化的空气质量预测方法(multi-scale spatial-temporal network for air quality prediction,MSSTN-AQP),结合空气质量系统中存在的长短期时间依赖关系和动态空间依赖性,提高长期空气质量预测的准确性。首先,通过构建多尺度时空特征提取模块,从多源异构数据中提取时空特征。其次,构建动态空间特征提取模块。通过将图卷积网络与注意力机制进行有效结合,捕捉空气质量网络中的全局空间特征,用于对多种空间依赖关系的联合建模。最后,构建时间特征提取模块,对Transformer模型进行改进与优化。自适应时间Transformer模块主要用于模拟跨多个时间步长的双向时间依赖关系。此外,将上述时空特征提取模块进行有效集成化,构建端到端的空气质量预测模型。为了验证模型的有效性,在两个真实数据集中进行实验验证。实验结果表明,MSSTN-AQP在预测精度上更具优势,尤其是在长期的空气质量预测任务中优势更加明显。
文摘近年来城市形态对空气质量的影响研究引起了国内学者的广泛关注,获得了大量研究成果,但仍然缺乏系统梳理。作者以中国期刊全文数据库(CNKI)和美国科学情报研究所Web of Science核心合集为数据源,采用文献归纳法和CiteSpace软件,对2000至2022年发表的我国城市形态对空气质量影响的文献进行了系统分析。研究发现:年度发文量整体呈上升趋势,2017年后英文文献发文量高于中文文献量,中英文研究机构重合度较低,缺少合作研究;研究主要以区域尺度和局地尺度为主,微观尺度街谷和西部的研究偏少;研究方法以统计分析、遥感和GIS的融合应用为主,数值模拟方法应用较少;城市规划与环境保护、空气污染与影响是研究热点,城市形态测度指标、城市形态对空气质量影响因素、相关性分析是主要的研究内容;土地审批、交通排放、人口分布、城市设计、植被覆盖是缓解空气污染的重要途径。
文摘针对传统空气质量预测模型收敛速度慢,精度低的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)和蜣螂优化算法(dung beetle optimizer,DBO)优化长短期记忆网络(long short term memory,LSTM)的预测模型。首先,针对AQI原始数据具有大量噪声的问题,使用VMD方法对非平稳信号进行模态分解以降低噪声对预测结果的影响从而获得多个不同特征的模态分量;其次,针对LSTM靠人工经验调参存在一定局限性,利用DBO算法对LSTM模型参数进行优化;最后,对分解后的各个子序列使用LSTM模型预测,将各个子序列进行叠加得到最后的预测结果。实验结果表明,VMD对非平稳数据的分解有助于提高预测精度,VMD-DBO-LSTM模型的性能较其他模型均有不同程度的提高,该模型预测的均方根误差为4.73μg/m^(3),平均绝对误差为3.61μg/m^(3),拟合度达到了97.8%。