基于知识的卷积变压器用于联合估计PM_2.5和O₃度

科学领域:

• 环境科学 环境科学
• 数据科学数据科学数据科学
• 大气化学 大气化学

背景情况:

• 传统的空气污染物度预测方法专注于单一的污染物,需要大量的时间和精力.
• 对多种空气污染物的准确预测对于环境监测和公共卫生至关重要.

研究的目的:

• 开发一个高效和准确的模型,以共同估计PM2.5和O3度.
• 将领域知识纳入数据驱动的方法,以改善空气质量预测.

主要方法:

• 提出了一个卷积变压器 (Convtrans) 模型,集成地面,卫星和再分析数据.
• 通过共享/特定输入,PM2.5-O3交互模块和加权损失函数引入知识.
• 为了验证,Convtrans与CNN-LSTM,变压器,射频和XGB模型进行了比较.

主要成果:

• 在典型的中国城市中,Convtrans显示出最小的误差 (PM2.5 RMSE:6.136 μg/m3,O3 RMSE:8.250 μg/m3) 和最高的精度 (PM2.5 R2:0.923,O3 R2:0.898).
• 基于模型预测生成了污染物度的空间变化图.
• 验证了将知识整合到数据驱动模型中的可行性,以便共同估计污染物.

结论:

• Convtrans模型提供了一种可行且有效的方法,用于共同估计大气污染物度.
• 拟议的联合估计框架在各种科学领域的多变量检索中具有潜在的应用.