AirFormer：利用 Transformer 预测中国全国空气质量
信号处理
2022-11-30 v1 机器学习
摘要
空气污染是影响人类健康与生计的关键问题，也是经济社会增长的障碍之一。空气质量预报已成为一项具有重大社会影响且日益重要的工作，尤其在像中国这样的发展中国家。本文提出一种称为 AirFormer 的新型 Transformer 架构，以前所未有的精细空间粒度（覆盖数千个地点）集体预测中国全国空气质量。AirFormer 将学习过程解耦为两个阶段——1）自底向上的确定性阶段，包含两种新型自注意力机制以高效学习时空表示；2）自顶向下的随机阶段，利用潜变量捕捉空气质量数据的内在不确定性。我们使用中国大陆 1,085 个站点的 4 年数据评估 AirFormer。与最先进（SOTA）模型相比，AirFormer 在 72 小时未来预测上将预测误差降低了 5%~8%。我们的源代码见 https://github.com/yoshall/airformer。
关键词
引用
@article{arxiv.2211.15979,
title = {AirFormer: Predicting Nationwide Air Quality in China with Transformers},
author = {Yuxuan Liang and Yutong Xia and Songyu Ke and Yiwei Wang and Qingsong Wen and Junbo Zhang and Yu Zheng and Roger Zimmermann},
journal= {arXiv preprint arXiv:2211.15979},
year = {2022}
}
备注
Published at AAAI-23