NRFormer：基于时空Transformer的全国核辐射预测
机器学习
2025-05-29 v3
摘要
核辐射，即原子核衰变过程中释放的能量，对人类健康和环境安全构成重大风险。近年来，监测技术的进步使得有效记录核辐射水平及相关因素（如气象因素）成为可能。丰富的监测数据有助于开发准确的核辐射预测模型，这些模型在为个人和政府的决策提供信息方面发挥着至关重要的作用。然而，由于监测站在大范围空间内分布不均以及辐射变化模式的非平稳性，这项任务具有挑战性。在本研究中，我们介绍了NRFormer，一个专为全国核辐射变化预测而设计的新颖框架。通过整合非平稳时间注意力模块、不平衡感知空间注意力模块和辐射传播提示模块，NRFormer共同捕捉了核辐射复杂的时空动态。在两个真实世界数据集上进行的大量实验表明，我们提出的框架优于11个基线方法。
引用
@article{arxiv.2410.11924,
title = {NRFormer: Nationwide Nuclear Radiation Forecasting with Spatio-Temporal Transformer},
author = {Tengfei Lyu and Jindong Han and Hao Liu},
journal= {arXiv preprint arXiv:2410.11924},
year = {2025}
}
备注
Accepted by KDD 2025 ADS Track