基于观测与机理数据融合的多站点空气质量联合预测方法

摘要

基于具有观测与机理模拟双源数据的多站点(air quality prediction, AQP)问题，提出一种基于观测与机理数据融合的多站点空气质量协同预测模型(multi-site AQP model based on fusion of observation and mechanism data, MFOM).旨在挖掘双源数据中的互补知识以及多站点的动态时空依赖性来提升AQP效果.具体地，MFOM采用了编码-解码框架：编码部分主要提取观测数据所蕴含的演化模式，解码阶段引入机理数据缓解预报性能的长时衰减问题.为了建模多站点动态时空依赖，MFOM采用了自适应动态图生成与卷积方法，通过对多站点信息进行动态传播聚合增强协同预测性能.此外，MFOM还引入了一种基于对比预训练的序列嵌入表示模块进一步增强编码器对数据时空模式的编码能力.华北地区两年真实数据上的实验表明，MFOM在24 h与72 h的预测性能均优于最先进的基线方法.

关键词

空气质量预测 / 时空数据挖掘 / 动态图神经网络 / 多源数据融合 / 对比学习