图卷积神经网络在空气质量指数预测中的应用研究

摘要

为解决忽略了不同邻近区域之间存在的空间依赖关系导致预测空气质量结果缺乏可靠性这一问题，将图卷积神经网络（graph convolutional networks,GCN）应用于空气质量指数(air quality index, AQI)的预测，基于GCN特征聚合的特点，充分考虑邻近区域之间的空间相关性。文中以安徽省16个地级市为例，构建了城市之间的依赖关系图，预测各个城市的AQI。实验结果表明，相比传统的神经网络模型（ARIMA、RNN、LSTM、GRU），提出的GCN模型表现突出，具有更高的预测准确性和可靠性。

关键词

图卷积神经网络 / 空气质量指数 / 空间相关性

基金资助

安徽省自然科学基金一般研究项目（KJ2020B04）; 安徽省高等学校科学研究项目（2022AH05009）