EmissionNet：农业大气污染预测
机器学习
2025-08-04 v3 人工智能
摘要
农业排放是环境和公共健康挑战的重要且常被忽视的贡献者。传统的空气质量预测模型依赖于基于物理的方法，这些方法难以捕捉复杂的、非线性的污染物相互作用。在本工作中，我们通过评估流行的体系结构，提出了两种新型深度学习体系结构：EmissionNet (ENV) 和 EmissionNet-Transformer (ENT)。这些模型利用卷积和基于转换器的体系结构，从高分辨率排放数据中提取时空依赖关系。
引用
@article{arxiv.2507.05416,
title = {EmissionNet: Air Quality Pollution Forecasting for Agriculture},
author = {Prady Saligram and Tanvir Bhathal},
journal= {arXiv preprint arXiv:2507.05416},
year = {2025}
}
备注
The appendix figures are mixed up - several emission plots (e.g. CO2, CH4, GWP) are mislabeled and appear in the wrong order, leading to confusion in interpreting the results