用于空气质量预测的深度学习

Research Paper#Air Quality, Deep Learning, Spatial Prediction🔬 Research|分析: 2026年1月3日 18:46•
发布: 2025年12月29日 13:58
•
1分で読める
•ArXiv

分析

本文介绍了深度分类克里金 (DCK)，这是一个用于空气质量指数 (AQI) 概率空间预测的新型深度学习框架。它解决了传统方法（如克里金）的局限性，这些方法难以处理 AQI 数据的非高斯性和非线性。所提出的 DCK 框架提供了改进的预测准确性和不确定性量化，尤其是在整合异构数据源时。这一点非常重要，因为准确的 AQI 预测对于监管决策和公共卫生至关重要。
引用 / 来源
查看原文
"DCK consistently outperforms conventional approaches in predictive accuracy and uncertainty quantification."
A
ArXiv2025年12月29日 13:58
* 根据版权法第32条进行合法引用。
较旧

Sensitivity Analysis on the Sphere and a Spherical ANOVA Decomposition

较新

SC-Net: Robust Correspondence Learning via Spatial and Cross-Channel Context

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv