面向全国城市空气质量预报的组感知图神经网络
机器学习
2021-08-30 v1
摘要
空气污染问题威胁公众健康。空气质量预报能够提供数小时甚至数天后的空气质量指数，从而帮助公众提前预防空气污染。已有工作聚焦于城市级空气质量预报，无法解决全国城市预报问题，其难点在于捕捉地理上相距遥远但高度相关的城市之间的潜在依赖关系。本文提出组感知图神经网络（GAGNN），一种用于全国城市空气质量预报的分层模型。该模型分别构建城市图和城市群图，以建模城市间的空间依赖与潜在依赖。GAGNN引入可微分分组网络来发现城市间的潜在依赖并生成城市群。基于生成的城市群，引入组相关性编码模块来学习它们之间的相关性，从而有效捕捉城市群之间的依赖。图构建完成后，GAGNN实施消息传递机制来建模城市与城市群之间的依赖。在中国城市空气质量数据集上的评估实验表明，我们的GAGNN优于现有预报模型。
引用
@article{arxiv.2108.12238,
title = {Group-Aware Graph Neural Network for Nationwide City Air Quality Forecasting},
author = {Ling Chen and Jiahui Xu and Binqing Wu and Yuntao Qian and Zhenhong Du and Yansheng Li and Yongjun Zhang},
journal= {arXiv preprint arXiv:2108.12238},
year = {2021}
}