VayuAnukulani：用于空气污染预报的自适应记忆网络
计算机视觉与模式识别
2019-04-09 v1
摘要
空气污染因工厂排放、汽车尾气与炊事炉灶等各类源而成为全球首要环境健康危害。作为预防措施，空气污染预报是采取有效污染控制的基础，精确的空气污染物预报已成为重要任务。本文基于中央污染控制委员会报告的历史与实时环境空气质量及气象数据，对德里 5 个重点位置精细尺度的环境空气质量信息进行预报。我们提出 VayuAnukulani 系统，一种新颖的端到端解决方案，通过估算德里二氧化氮（）、颗粒物（ 与 ）等不同空气污染物的浓度与等级，预测未来 24 小时空气质量。在德里所获数据源上的大量实验表明，所提基于自适应注意力的双向 LSTM 网络在分类与回归模型上优于若干基线。该自适应系统的准确率比同离线训练模型高约 。我们在若干竞争基线上比较了所提方法，并显示该网络比常规方法优约 。
引用
@article{arxiv.1904.03977,
title = {VayuAnukulani: Adaptive Memory Networks for Air Pollution Forecasting},
author = {Divyam Madaan and Radhika Dua and Prerana Mukherjee and Brejesh Lall},
journal= {arXiv preprint arXiv:1904.03977},
year = {2019}
}