Zeeman：深度学习区域大气化学传递模型
大气与海洋物理
2025-10-08 v1
摘要
大气化学涵盖各种污染物的排放、复杂的化学反应以及以气象学为主导的传输，构成一个动态系统，支配着空气质量。虽然深度学习（DL）模型在捕获单个大气成分（如PM2.5和臭氧）的复杂模式方面显示出前景，但对多个污染物之间关键相互作用以及排放与气象学的综合影响往往被忽视。本研究引入一个高级DL基于大气化学传递模型Zeeman，用于多组分大气化学模拟。利用注意力机制，我们的模型有效捕捉了这些成分之间的细微关系。性能指标表明，我们的方法与数值模型相当，提供了一种高效的大气化学解决方案。未来，该模型可以进一步集成数据同化技术，以促进高效且准确的大气排放估计和浓度预测。
引用
@article{arxiv.2510.06140,
title = {Zeeman: A Deep Learning Regional Atmospheric Chemistry Transport Model},
author = {Mijie Pang and Jianbing Jin and Arjo Segers and Hai Xiang Lin and Guoqiang Wang and Hong Liao and Wei Han},
journal= {arXiv preprint arXiv:2510.06140},
year = {2025}
}