PlumeNet：基于卷积 LSTM 网络的大规模空气质量预报
机器学习
2020-06-17 v1 机器学习
摘要
本文提出一种能够联合预报危害人体健康的主要污染物浓度的引擎：二氧化氮（NO2）、臭氧（O3）以及颗粒物（PM2.5 和 PM10，分别为直径小于 2.5 μm 和 10 μm 的颗粒）。预报在规则网格上进行（文中结果基于覆盖欧洲和美国的 0.5° 分辨率网格），使用一种包含卷积 LSTM 块的神经网络。该引擎输入为最新可用的空气质量监测站观测、天气预报以及空气质量物理化学模型（AQPCM）输出。该引擎可用于生成长时效的空气质量预报，本文实验表明其 4 天预报显著优于简单基准。该引擎的一个宝贵优势是所需计算力不高：在标准 GPU 上几分钟即可生成预报。因此，它们可非常频繁地更新，一旦有新空气质量观测可用（通常每小时）即可更新，而传统用于空气质量预报的 AQPCM 则做不到。本文描述的引擎所依赖的原理与 Plume Labs 部署并用于若干面向个人和企业提供空气质量数据产品中的预测引擎相同。
引用
@article{arxiv.2006.09204,
title = {PlumeNet: Large-Scale Air Quality Forecasting Using A Convolutional LSTM Network},
author = {Antoine Alléon and Grégoire Jauvion and Boris Quennehen and David Lissmyr},
journal= {arXiv preprint arXiv:2006.09204},
year = {2020}
}
备注
7 pages, 6 figures. arXiv admin note: text overlap with arXiv:2002.10394