STAR：基于多模态方法的空气质量时空预测
信号处理
2020-03-06 v1
摘要
随着全球经济活动增加与高能源需求，许多国家已对空气污染表示关切。然而，由于许多因素的复杂相互作用，空气质量预测为一具挑战性的问题。本文提出一种用于时空空气质量预测的多模态方法。我们的模型学习关键因素的多模态融合以预测未来空气质量等级。基于数据分析，我们还评估了关键因素对空气质量预测的影响。我们在两个真实世界空气污染数据集上开展实验。对首尔数据集，相比基线，我们的方法在PM2.5与PM10的长期预测中平均绝对误差分别提升11%与8.2%。在中国1年数据集上，相比先前最先进结果，我们的方法还将PM2.5预测的平均绝对误差降低20%。
引用
@article{arxiv.2003.02632,
title = {STAR: Spatio-Temporal Prediction of Air Quality Using A Multimodal Approach},
author = {Tien-Cuong Bui and Joonyoung Kim and Taewoo Kang and Donghyeon Lee and Junyoung Choi and Insoon Yang and Kyomin Jung and Sang Kyun Cha},
journal= {arXiv preprint arXiv:2003.02632},
year = {2020}
}
备注
18 pages, 9 figures, Intelligent System Conference (Intellisys 2020 - Accepted)