基于深度学习的人工智能空气质量预报系统构建

• 作者: 徐爱兰 张再峰 孙强 朱晏民 彭小燕 於香湘
• 来源期刊: 中国环境监测
• 关键词: 空气质量预报 深度学习 多源数据融合
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 环境质量管理|Environmental Quality Manageme
• 页码范围: 89-95
• 页数: 7页
• 分类号: X831
• 语种: 中文
• DOI: 10.19316/j.issn.1002-6002.2021.02.11

摘要

针对现有空气质量预报系统存在预报精度低、人工经验辅助、适用范围单一等问题,利用深度学习方法在分析数据内在特征方面表现出的优异性能,结合多源数据融合技术,设计了基于深度学习的空气质量预报系统实现方案.通过对多源数据集的实时制作更新、分析空气质量演变的时空特性、定义和拟合深度学习模型并部署于服务器等关键技术的研究,最终实现了空气质量的多尺度、高精度实时预报服务和预报结果可视化服务.应用结果表明,基于深度学习的空气质量预报系统具有更高的预报精度和更优良的应用效果,可提高预报效率,为空气质量预报服务提供一种新型、高效的实现方式.