PM2.5-GNN：一种领域知识增强的用于 PM2.5 预报的图神经网络
信号处理
2021-10-12 v2 机器学习
图像与视频处理
摘要
在预测 PM2.5 浓度时，由于浓度在长时间内受多种因素影响，有必要考虑复杂的信息来源。本文中，我们确定了一组用于 PM2.5 预报的关键领域知识，并提出了一种新颖的基于图的模型 PM2.5-GNN，其能够捕捉长期依赖关系。在一个真实世界数据集上，我们验证了所提模型的有效性，并考察了其在 PM2.5 过程中捕捉细粒度与长期影响的能力。所提出的 PM2.5-GNN 也已在线部署，提供免费的预报服务。
引用
@article{arxiv.2002.12898,
title = {PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting},
author = {Shuo Wang and Yanran Li and Jiang Zhang and Qingye Meng and Lingwei Meng and Fei Gao},
journal= {arXiv preprint arXiv:2002.12898},
year = {2021}
}
备注
Pre-print version of a ACM SIGSPATIAL 2020 poster [paper](https://dl.acm.org/doi/10.1145/3397536.3422208). The code is available at [Github](https://github.com/shawnwang-tech/PM2.5-GNN), and the talk is available at [YouTube](https://www.youtube.com/watch?v=VX93vMthkGM)