FuXi-Air：基于排放-气象-污染多模态机器学习的城市空气质量预测
机器学习
2025-06-10 v1
摘要
空气污染已成为大城市面临的重大公共健康挑战。数值模拟和单站点机器学习方法已在空气质量预测任务中广泛应用。然而，这些方法面临多个局限，包括高计算成本、低运行效率以及与观测数据集成有限。随着人工智能的快速发展，亟需开发一种低成本、高效的空气质量预测模型，以支持智能城市管理。本研究构建了一个名为 FuXi-Air 的空气质量预测模型，基于多模态数据融合，支持高精度的空气质量预测，并在典型大城市中运行。该模型在气污染机制指导下，整合了气象预报、排放清单和污染物监测数据。通过结合自回归预测框架和帧插值策略，该模型成功完成了跨多个监测站点、以小时为单位的 72 小时预测，涵盖六大主要污染物，耗时 25-30 秒。在计算效率和预测准确性方面，FuXi-Air 在实际运营预测工作中超越了主流数值空气质量模型。关于关键影响因素的消除实验表明，尽管气象数据对模型准确性的贡献大于排放清单，但多模态数据的整合显著提高了预测精度，并确保在不同污染机制下均能获得可靠预测。本研究为将多模态数据驱动模型应用于空气质量预测提供了技术参考和实际案例，并为构建支持智能城市管理中空气污染风险预警的混合预测系统提供了新思路。
引用
@article{arxiv.2506.07616,
title = {FuXi-Air: Urban Air Quality Forecasting Based on Emission-Meteorology-Pollutant multimodal Machine Learning},
author = {Zhixin Geng and Xu Fan and Xiqiao Lu and Yan Zhang and Guangyuan Yu and Cheng Huang and Qian Wang and Yuewu Li and Weichun Ma and Qi Yu and Libo Wu and Hao Li},
journal= {arXiv preprint arXiv:2506.07616},
year = {2025}
}