基于EMD和时空图神经网络的污染物浓度预测研究

为了满足对大范围污染物浓度预测准确性和鲁棒性的要求,提出了一种基于EMD数据自增强的时空图神经网络预测模型。首先,使用encode-decode模型实现多步预测。其次使用EMD进行数据自增强将数据分解成若干线性数据,有助于提取数据间的隐藏特征。最后使用GNN+GRU时空图神经网络,同时从污染物的空间传输、时间周期的强自相关性及包含气象因素在内的邻域信息三个维度对污染物浓度进行预测。验证实验采用提出模型在真实数据集中预测PM_(2.5)和O_(3)在未来24、48和72小时的浓度,结果表明混合模型在预测精度中有明显提升。