一个整体的空气监测数据集,包含投诉和POI,用于异常检测和可解释性追踪

科学领域:

• 环境科学 环境科学
• 数据科学数据科学数据科学
• 公共卫生 公共卫生

背景情况:

• 城市空气污染是一个重大的全球健康问题.
• 现有的数据集往往缺乏整合各种数据源进行全面分析.
• 中国海口市在监测和理解城市空气质量动态方面面临着挑战.

研究的目的:

• 介绍Airware-海口数据集,这是一个新的城市空气污染研究资源.
• 整合多变量时间序列空气质量监测数据 (MTSAM),兴趣点数据 (POI) 和公众投诉数据.
• 开发和验证一个模型,以提高污染检测和解释的准确性.

主要方法:

• 从海口95个监测站收集了每小时6种空气污染物和5种气象因素的测量结果.
• 预处理的MTSAM数据使用时空插值和再平衡可靠性.
• 将MTSAM细分为时空子集,使用POI数据和监测站坐标的集群分析.
• 从UIE模型中提取了公众投诉库,用于将公众情绪与空气质量数据联系起来.
• 使用一个验证模型,DSRL-Net,以提高污染检测的准确性.

主要成果:

• 空气-海口数据集集集成了多种数据源,为城市空气污染研究提供了坚实的基础.
• 时空细分使得空气质量动态的详细表征成为可能.
• 公众投诉库为解释深度学习模型输出提供了一个基准.
• DsRL-Net在污染检测的准确性和可靠性方面取得了显著的改进.

结论:

• 航空器-海口数据集是推动城市空气污染研究的宝贵资源.
• 综合数据分析和先进建模改善了对空气污染的理解和检测.
• 这项工作通过提供与公众关注相关的经验数据,有助于制定更好的公共卫生战略.