Deep Citywide Multisource Data Fusion-Based Air Quality Estimation

空气质量指数 空气污染 质量(理念) 估计 特征(语言学) 计算机科学 数据挖掘 聚类分析 相关性(法律) 高分辨率 遥感 人工智能 环境科学 气象学 地理 工程类 哲学 化学 语言学 有机化学 认识论 系统工程 法学 政治学
作者
Ling Chen,Hanyu Long,Jiahui Xu,Binqing Wu,Hang Zhou,Xing Tang,Liangying Peng
出处
期刊:IEEE transactions on cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:54 (1): 111-122 被引量:4
标识
DOI:10.1109/tcyb.2023.3245618
摘要

With the increasingly serious air pollution, people are paying more and more attention to air quality. However, air quality information is not available for all regions, as the number of air quality monitoring stations in a city is limited. Existing air quality estimation methods only consider the multisource data of partial regions and separately estimate the air qualities of all regions. In this article, we propose a deep citywide multisource data fusion-based air quality estimation (FAIRY) method. FAIRY considers the citywide multisource data and estimates the air qualities of all regions at a time. Specifically, FAIRY constructs images from the citywide multisource data (i.e., meteorology, traffic, factory air pollutant emission, point of interest, and air quality) and uses SegNet to learn the multiresolution features from these images. The features with the same resolution are fused by the self-attention mechanism to provide multisource feature interactions. To get a complete air quality image with high resolution, FAIRY refines low-resolution fused features by employing high-resolution fused features through residual connections. In addition, the Tobler's first law of geography is used to constrain the air qualities of adjacent regions, which can fully use the air quality relevance of nearby regions. Extensive experimental results demonstrate that FAIRY achieves the state-of-the-art performance on the Hangzhou city dataset, outperforming the best baseline by 15.7% on MAE.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
风趣霆完成签到,获得积分10
刚刚
瘦瘦的枫叶完成签到 ,获得积分10
2秒前
李健应助乐观小蕊采纳,获得10
3秒前
Cynthia完成签到 ,获得积分10
4秒前
蕉鲁诺蕉巴纳完成签到,获得积分10
5秒前
斯文寄松完成签到 ,获得积分10
5秒前
皮皮虾完成签到,获得积分10
5秒前
5秒前
神勇从波完成签到 ,获得积分10
6秒前
7秒前
居居侠完成签到 ,获得积分10
11秒前
Noah完成签到 ,获得积分10
14秒前
14秒前
ArkZ完成签到 ,获得积分10
15秒前
嘻嘻哈哈完成签到 ,获得积分10
15秒前
Tysonqu完成签到,获得积分10
18秒前
扑火退羽完成签到,获得积分10
18秒前
Dr W完成签到 ,获得积分0
20秒前
知知完成签到 ,获得积分10
20秒前
弧光完成签到 ,获得积分10
24秒前
nsy完成签到,获得积分10
24秒前
25秒前
DrD完成签到,获得积分10
27秒前
上下完成签到 ,获得积分10
31秒前
wangwang完成签到 ,获得积分10
31秒前
好困发布了新的文献求助20
32秒前
勤恳易真完成签到,获得积分10
33秒前
Ryan完成签到 ,获得积分10
35秒前
糊涂的丹南完成签到 ,获得积分10
35秒前
SDM完成签到 ,获得积分10
37秒前
cc完成签到 ,获得积分10
38秒前
Aurora完成签到 ,获得积分10
38秒前
buno完成签到 ,获得积分0
44秒前
郭自同完成签到,获得积分10
45秒前
无味完成签到,获得积分10
45秒前
旭日东升完成签到,获得积分10
51秒前
桔梗完成签到,获得积分10
53秒前
慕青应助旅程采纳,获得10
53秒前
书生完成签到,获得积分10
55秒前
July完成签到,获得积分0
55秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248882
求助须知:如何正确求助?哪些是违规求助? 2892264
关于积分的说明 8270377
捐赠科研通 2560550
什么是DOI,文献DOI怎么找? 1389097
科研通“疑难数据库(出版商)”最低求助积分说明 651004
邀请新用户注册赠送积分活动 627850