文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于SCINet模型空气质量预测可视化平台设计

张斌,方玲,莫博文,孙刘洋,覃业梅

(湖南工商大学 智能工程与智能制造学院,湖南 长沙 410205)

栏目:人工智能 · 第 2025 年第 5 期 · 页码:62-65,71 · 2096-4706(2025)05-0062-05 · 中图分类号:TP317 · 文献标识码:A · DOI:10.19850/j.cnki.2096-4706.2025.05.011

摘要

文章基于2014至2021年中国368个城市空气质量数据,运用深度学习模型(包括SCINet、Informer、LSTM、GRU、RNN)构建空气质量预测模型。平台通过采用Qt Designer和Python开发,并结合ETL、数据可视化等技术,实现空气质量预测可视化。平台支持精准预测空气质量指数,分析污染源影响,用户可自选区域和模型进行预测,并可视化呈现预测性能。平台适用于环保、气象、科研机构及公众,提供高效、准确的空气质量监测与预测工具。

关键词

PySide6;SCINet;深度学习

参考文献

  1. [1] 秦耀辰,谢志祥,李阳.大气污染对居民健康影响研究进展 [J].环境科学,2019,40(3):1512-1520.
  2. [2] HUANG W,LI T,LIU J,et al. An Overview of Air Quality Analysis by Big Data Techniques: Monitoring, Forecasting, and Traceability [J].Information Fusion,2021,75:28-40.
  3. [3] AWASTHI A,PATTNAYAK K C,DHIMAN G,et al. Artificial Intelligence for Air Quality Monitoring and Prediction [M].Boca Raton:CRC Press,2024.
  4. [4] ZHANG Z,ZHANG S Q,CHEN C C,et al. A Systematic Survey of Air Quality Prediction Based on Deep Learning [J].Alexandria Engineering Journal,2024,93:128-141.
  5. [5] LU Y F,WANG J Y,WANG D S,et al. Incorporating Temporal Multi-Head Self-Attention Convolutional Networks and LightGBM for Indoor Air Quality Prediction [J/OL].Applied Soft Computing,2024,157:111569(2024-04-03).https://doi.org/10.1016/j.asoc.2024.111569.
  6. [6] ZHANG M J,ZHANG Y J,ZHANG J G H,et al. Time Series Analysis of the Impact of Meteorological Conditions and Air Quality on the Number of Medical Visits for Hypertension in Haikou City, China [J/OL].Atmosphere,2024,15(3):370(2024-03-18).https://doi.org/10.3390/atmos15030370.
  7. [7] LIU M,ZENG A,CHEN M,et al. Scinet: Time Series Modeling and Forecasting with Sample Convolution and Interaction [J].Advances in Neural Information Processing Systems,2022,35:5816-5828.
  8. [8] 田园,孙梦觉,周植高,等.一种基于信息熵的LSTM时间序列数据预测模型 [J].科技创新与应用,2024,14(7):28-34.
  9. [9] 黎壹. 基于LSTM神经网络的人民币汇率预测研究 [J].中国物价,2021(12):20-22.
  10. [10] 陆继翔,张琪培,杨志宏,等.基于CNN-LSTM混合神经网络模型的短期负荷预测方法 [J].电力系统自动化,2019,43(8):131-137.
  11. [11] 梁宏涛,刘硕,杜军威,等.深度学习应用于时序预测研究综述 [J].计算机科学与探索,2023,17(6):1285-1300.
  12. [12] 易利容,王绍宇,殷丽丽,等.基于多变量LSTM的工业传感器时序数据预测 [J].智能计算机与应用,2018,8(5):13-16.
  13. [13] 姚佳佳.同伴对话反馈策略促进大学生深度学习的理论与实践研究 [D].杭州:浙江大学,2021.
  14. [14] 付恩,张益农,杨帆,等.基于频率分解Transformer的时间序列长时预测模型 [J].制造业自动化,2022,44(11):177-181.

基金项目

国家级大学生创新创业计划项目(S202310554004)

作者简介

张斌(2003—),男,汉族,湖南衡阳人,本科在读,研究方向:空气质量预测;通信作者:覃业梅(1979—),女,汉族,湖南湘潭人,副教授,博士,研究方向:智能信息处理、时间序列分析与预测。