基于注意力增强的深度多任务时空学习用于预测大城市空气质量指数
机器学习
2024-07-17 v1
摘要
空气污染是全球人类健康最严峻的环境威胁之一，尤其在城市地区，导致每年近700万例早期死亡。大城市（定义为人口超过1000万的城市）是严重污染的热点区域，经历着大量危险性极差的空气质量日子。此外，诸多因素的复杂相互作用使得准确的空气质量预测异常具有挑战性，预测模型往往难以捕捉这些复杂的动态。为了应对这些挑战，本文提出了一种基于长短期记忆网络的注意力增强深度多任务时空机器学习模型，用于长期空气质量监测和预测。该模型在预测重大污染物水平（如二氧化硫和一氧化碳）方面表现出稳健的性能，有效地捕捉了复杂的趋势和波动。该提出的模型为政策制定者提供了可操作的信息，使他们能够做出明智的决策，以改善城市空气质量。
引用
@article{arxiv.2407.11283,
title = {Novel Approach for Predicting the Air Quality Index of Megacities through Attention-Enhanced Deep Multitask Spatiotemporal Learning},
author = {Harun Khan and Joseph Tso and Nathan Nguyen and Nivaan Kaushal and Ansh Malhotra and Nayel Rehman},
journal= {arXiv preprint arXiv:2407.11283},
year = {2024}
}
备注
6 pages, 3 figures, 3 tables