释放真实空气质量预报能力：引入即用的 PurpleAirSF 数据集
机器学习
2023-11-14 v2 人工智能
摘要
空气质量预报近期受到显著关注，由于机器学习和深度学习模型的进步，数据驱动模型成为焦点。然而，研究人员面临数据获取复杂和缺乏开源数据集的挑战，阻碍了高效的模型验证。本文介绍 PurpleAirSF，一个从 PurpleAir 网络收集的全面且易获取的数据集。凭借其高时间分辨率、多样的空气质量指标和广泛的地理覆盖，该数据集可作为旨在开发新型预报模型、研究空气污染模式并调查其对健康与环境影响的学者的有用工具。我们详细说明了构建 PurpleAirSF 所采用的数据收集与处理方法。此外，我们使用经典和现代的时空预报模型进行初步实验，从而确立未来空气质量预报任务的基准。
引用
@article{arxiv.2306.13948,
title = {Unleashing Realistic Air Quality Forecasting: Introducing the Ready-to-Use PurpleAirSF Dataset},
author = {Jingwei Zuo and Wenbin Li and Michele Baldo and Hakim Hacid},
journal= {arXiv preprint arXiv:2306.13948},
year = {2023}
}
备注
Accepted by ACM SIGSPATIAL 2023