您现在所在的位置：
科研成果
更多
发布时间：2026-04-20
主要完成人：宋琛
所属单位：天津科技大学
提出 AirCNN 模型，融合不确定性图卷积与循环神经网络，同时捕捉空气质量数据的长短期时间依赖性与区域空间关联，实现高精度污染预测，为城市环境应急决策提供核心技术手段。
适用范围：城市大气污染应急防控、环境监测与预警。适用于京津冀及城市群空气质量短期 / 长期预测，为极端天气、污染事件应急响应提供数据支撑。
- 模型创新：整合图卷积（捕捉站点间空间关联）与循环神经网络（捕捉时间序列变化），引入不确定性建模提升预测鲁棒性。
- 性能优势：在真实数据集上，24 小时预测均方根误差（RMSE）较主流方法降低 0.5，长期预测精度显著提升。
- 应急价值：污染超标前提前预警，为限行、减排、疏散等应急措施争取时间，支撑区域环境治理决策。
免责声明
平台所发布的信息包含原创及其转载内容，仅供读者浏览、参考，不作为决策建议。平台原创内容版权归平台所有，转载需获得平台授权。平台转载的内容其版权均为原著作为所有，目的在于传递更多信息，方便学习与交流，并不代表平台赞同其观点或证实其内容的真实，所转载信息侵害任何人权利的请联系平台，我们将核实后依据法律进行删除或补正。
上一篇： 自适应胶囊网络研究
