Sustainable Cities and Society, Год журнала: 2024, Номер unknown, С. 106010 - 106010
Опубликована: Ноя. 1, 2024
Язык: Английский
Sustainable Cities and Society, Год журнала: 2024, Номер unknown, С. 106010 - 106010
Опубликована: Ноя. 1, 2024
Язык: Английский
Earth Science Informatics, Год журнала: 2024, Номер 18(1)
Опубликована: Дек. 12, 2024
Язык: Английский
Процитировано
3Atmospheric Environment, Год журнала: 2024, Номер 333, С. 120647 - 120647
Опубликована: Июнь 12, 2024
Язык: Английский
Процитировано
2Atmosphere, Год журнала: 2023, Номер 14(12), С. 1807 - 1807
Опубликована: Дек. 9, 2023
To effectively address air pollution and enhance quality, governments must be able to predict the quality index with high accuracy reliability. However, prediction is subject ambiguity instability because of atmosphere’s fluidity, making it challenging identify temporal spatial correlations using a single model. Therefore, new hybrid model proposed based on an interpretable neural network graph (INNGNN), which simulates dependence achieves accurate multi-step prediction. A time series first interpreted networks (INN) extract potentially important aspects that are easily overlooked in data; second, self-attention mechanism catches local global dependencies associations series. Lastly, city map created (GNN) determine relationships between cities order spatially dependent features. In experimental evaluation, results show INNGNN performs better than comparable algorithms. confirmed can capture quality.
Язык: Английский
Процитировано
3International Journal of Data Science and Analytics, Год журнала: 2023, Номер unknown
Опубликована: Июнь 30, 2023
Язык: Английский
Процитировано
2Опубликована: Июнь 21, 2024
Язык: Английский
Процитировано
0Sustainable Cities and Society, Год журнала: 2024, Номер unknown, С. 106010 - 106010
Опубликована: Ноя. 1, 2024
Язык: Английский
Процитировано
0