空气质量预测的图神经网络：马德里的案例研究

空气质量监测、建模和预测被认为是公民和决策者（包括政府）面临的紧迫和具有挑战性的话题。实现上述目标所使用的工具因技术发展的机会而异。目前，机器学习和深度学习方法备受关注，相较于基于领域知识的方法，它们在捕捉、计算和处理多维信息及复杂依赖关系方面通常表现更好。本研究中介绍的技术是一种基于注意力机制、门控递归单元和图卷积网络相结合的注意力时序图卷积网络。在当前研究的框架内，初步建议在空气质量预测领域使用所提出的方法。所提方法使用从马德里市获得的空气质量、气象和交通数据进行测试，时间段为2019年1月至6月和2022年1月至6月。评估指标，包括均方根误差、平均绝对误差和 Pearson 相关系数，证实了所提出模型与参考模型（时序图卷积网络、长短期记忆网络和门控递归单元）相比的优势。