56969550
阅读过
6062
打赏
9043578
推荐票
1911585
停更
空气质量预测的深度学习模型研究与评估 Research and Practice of Deep Learning Model for Air Quality Prediction 作者： 黎嘉明 1 作者单位： 1. 广东省生态环境监测中心 提交时间： 2023-09-22 摘要: 目的 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。方法 笔者研发的基于深度学习的空气质量预测模型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。结果 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），能捕获历史监测数据、天气预测数据、社会活动等数据的规律，在2分钟内完成一百多个点位未来168小时数据的预测。结论 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。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 Abstract: Objective Timely and accurate air quality prediction data is very important for environmental management, especially during the period of heavy air pollution. The prediction data can provide data support for the decision-making of the government's ecological environment management departments to cope with the pollution situation and accurately allocate social resources.Methods The air quality prediction model AirNet6developed by the author based on depth learning can give consideration to both accuracy and real-time performance to achieve 7-day or longer air quality prediction for ozone, sulfur dioxide, carbon monoxide and other factors.Results Unlike traditional chemical model calculations, this model base on Spatio-Temporal Graph Convolutional Networks (STGCN), which captures the laws of historical monitoring data, weather prediction data, social activities and other data, and completes the prediction of more than one hundred points for the next 168 hours in two minutes.Conclusions Experimentsshow that the AirNet6 model has made significant progress in speed, energy efficiency, and accuracy compared to traditional chemical models and time series AI models. 空气质量预测 人工智能 深度学习模型 时空图卷积网络 来自： 黎嘉明 分类： 环境科学技术及资源科学技术 >> 环境科学技术及资源科学技术其他学科 计算机科学 >> 计算机应用技术 说明： 论文空气质量预测的深度学习模型研究与实践已通过专家评审，决定录用，定于在《智能计算机与应用》2024 年第 14 卷第 7 期上刊登（2024年 7 月 1 日出刊）。 投稿状态： 已被期刊接收 引用： ChinaXiv:202309.00173 (或此版本 ChinaXiv:202309.00173V1 ) doi:10.12074/202309.00173 CSTR:32003.36.ChinaXiv.202309.00173.V1 推荐引用方式： 黎嘉明.(2023).空气质量预测的深度学习模型研究与评估.中国科学院科技论文预发布平台.[ChinaXiv:202309.00173] 版本历史 [V1] 2023-09-22 11:14:09 ChinaXiv:202309.00173V1 下载全文
虐恋
今天的段子，单表的《家人情感卷入对老年自我刻板印象的影响：基于潜变量增长模型的分析》。
无限流
飞卢小说网独家签约小说：大唐夜天子，开局镇压神话武林！】李恪穿越了，穿越到大唐世界，觉醒了咸鱼系统，只要每天咸鱼，就能获得奖励。第一个月：奖励罗网组织，暗桩遍布天下！第二个月：奖励龙鳞铁骑十万，雄踞塞外边疆！第三个月：奖励黄金五百万两，财富可抵半个大唐！……转眼一年过去。这一...
群穿
评分刚出比较低） 【无cp+美强惨+万人迷+电竞+选秀+团宠+掉马】 他是电竞圈享誉盛名的巅峰神River，17岁登顶世界之巅。 可荣光背后，是重度心理疾病、夜夜难眠的痛苦，他的手臂上刻满无人知晓的疤痕。 夺冠后，他藏起所有荣耀，为了完成挚友遗愿，摘下口罩，匿名参加选秀。 素人身份、清冷神颜、舞台绝杀，他一路登顶走向成团夜。 随着曝光度越来越高，电竞圈的老粉开始将目光频繁转向这个和R神非常相像的练习生。 #不是，江执屿长得也太像我那失联已久的R神了吧# #我靠还真是！# 在江执屿马甲被扒光的当天，他在彩排的直播镜头下摔倒，伤疤意外暴露，引爆全网—— #想让我哭可以直说，不要用江江来刀我# #江宝别划手了，划我# #我要泪崩了，R神怎么这么苦啊# #好心疼啊……但是好涩# 您要是觉得《一次历练》还不错的话请不要忘记向您QQ群和微博微信里的朋友推荐哦！
游戏主播
2013年，加盟青春励志偶像剧《喜欢不穿》
打怪升级
穿越成罪臣之女，开局就是地狱模式。女扮男装进国子监当杂役，还被学正处处刁难。 楚晞：没关系，老娘当过班主任。 叫早、分宿舍、管膳堂、斗权贵——她用现代教育手段，把国子监搅得天翻地覆。 学正被她送进大牢，刺头学生被她治得服服帖帖，祭酒亲自给她升职加薪。 只是那个帮她翻案的世子，看她的眼神越来越不对劲。 楚晞：等等，你不是学生家长吗？顾衍之：谁说我是家长了？ —— 楚晞第一次见顾衍之，是在国子监门口。她蹲在地上捡果子，他站在那里，像一幅画。她心里冒出三个字：真好看。 后来她才知道，这位“学生家长”，是当朝世子，是护国大将军。 而她，只是一个女扮男装的杂役。 身份暴露那天，她以为要完蛋了。他却笑着说：“林小哥，你编的谣言，我很喜欢。
装逼
眼下，这独角族修士库里，却是被萧晨施下了元神掌控神通，而此神通，乃是萧晨在夜魔城将借助金印之力突破血囚禁后，这逆天之物直接送入他元神中的一篇特殊法诀，名为《穿越无皮者，捡到娇小外皮》
海外
别人练武我修仙！【无女主，走肾不走心！】+【爽文】+【看的就是一个痛快！】 【当着李寻欢的面杀林诗音，命运点+5000】 【江玉燕传奇里杀皇帝，江玉燕马踏樱花杀的只剩地名。】 【大唐双龙传里做皇帝，踏平两大圣地，斩尽三大宗师。】 【风云中作为乐子人修改了所有高手的画风！】 【仙剑之中创造神通，伐天斩天帝，打下神话练气的基础】 境界划分：神话四境 百日筑基：凡人状态，调理身体打基础，无甚实力。 神话练气：练气士，千年练气万年练气皆可。 金丹（仙）：跳出三界外，不在五行中。一颗金丹吞入腹，我命由我不由天！ 天仙：大罗、圣人、混元都不过是天仙境当中所证的道果而已。 《小李飞刀》–《绝代双骄》–《大唐双龙传》––《风云》——《仙剑综合系列》——《蜀山传》——《蜀山剑侠传》——《黑暗西游逆行篇》进行中
漫画
老书《一路收服》已完本）“国”与“潮”的结合，传统与现代的碰撞，前人的文化遗产与今人的智慧交相辉映。一个坑人无数的现代投机份子，如果灵魂一下子穿越到了四十年前。他究竟会创造 出什么样的惊人奇迹？又会走出什么样的人生轨迹？这一切都从1980年开始，从京城的前门楼子底下开始。从一个叫宁卫民的孤儿，穷困潦倒的处境开始……1w0-1636 展开全部>>
种田
李顺利肩负起了北龙门村的改革建设，为了实现全村奔小康的美好愿景，在党的政策指引下，联合扶贫组积极发挥党员先锋带头作用，贯彻实施农村道路硬化，村里亮化，环境绿化，空气净化等，开拓农村试验田，建设危房改造，成功将北龙门村建设为社会主义新农村的样板村，得到了最美乡村的称号。
治愈
乌皙
偶想看到他们永远在一起，不只有３年
第一次看的我真的要哭死了呜呜呜
咸的玩笑 伴随着2025年初雪的雪花飘落读完了475页36万9千字的咸的玩笑。读完故事的余波很大。接送娃上下学，自己上下班，收拾孩子，辅导作业，做家务之余抓紧一切时间阅读我这周的新礼物，爱不释手。总想一气呵成读完，无奈时间和杂物琐事并不能成全我。阅读是普通日子里的一束... ( 展开
有用 Opacarophile 2026-05-13 09:58:34 广东 还行，前面挺有意思的，后面就没意思了。张婧仪和李现很贴角色
感觉和电视剧两模两样的，但是都很优秀，没想到原著这么好看，电视剧的创作和改编又是一个新的体验，这把双赢了