实体
PM 10 (excluding PM 2.5)
PM 10 (excluding PM 2.5)
PulseAugur coverage of PM 10 (excluding PM 2.5) — every cluster mentioning PM 10 (excluding PM 2.5) across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的GNN方法提高了多站点污染预测的准确性
研究人员开发了一种使用图神经网络（GNN）的新方法，以提高颗粒物（PM）污染预测的准确性。该方法基于通过混淆矩阵识别的类间关系动态构建图，并采用混合损失函数来增强学习稳定性。所提出的GNN模型，特别是GraphSage，在预测PM1、PM10和PM2.5浓度方面表现优于传统的机器学习和深度学习技术。该研究还纳入了GNNExplainer和PGExplainer等可解释性工具，以确保模型的透明度。
-
深度学习框架使用LSTM校准低成本空气质量传感器
研究人员开发了一种使用长短期记忆（LSTM）网络的深度学习框架，以改进低成本空气质量传感器的校准。该方法通过捕获数据中的时间依赖性来解决传感器漂移和环境多变性等挑战。与传统的随机森林模型相比，该框架表现出优越的性能，实现了更高的R2值，并满足了PM2.5、PM10和NO2等污染物的监管合规标准。