计算机应用研究

作者：彭一非,杨维,

单位：北京交通大学电子信息工程学院,北京100044；

关键词：PM2.5,相关系数矩阵,多阶图卷积,时空特征融合,注意力机制,

细颗粒物（PM2.5）与大气环境和人类生活息息相关。城市中PM2.5监测站数量有限，无法提供细粒度PM2.5浓度，而大多数现有的PM2.5浓度推断方法缺乏根据动态时空特征建立多阶相关系数矩阵的能力。为此提出了一种基于注意力机制的PM2.5多阶图卷积网络推断模型（MOSTGCNInf）。该模型在利用图神经网络提取特征关系的同时，采用注意力机制动态构建多阶节点的注意力系数矩阵，并进行时空特征融合来提升PM2.5浓度推断效果。在公开数据集上进行了对比实验，使用准确率和F1值作为评价指标，并通过消融实验验证了方法的有效性。实验结果表明，MOSTGCNInf对PM2.5浓度推断结果有提升作用。

来源：2022年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第5期