来源：期刊VIP网 时间：
作者：王小建;苏彤;马飞;林智婕;白元旦;郭庆元;魏俊涛;黄凯;徐玉凤;
单位：长安大学经济与管理学院;西安市气象局;西安市交通信息中心;
摘要：准确预测能见度对保障交通运输安全具有重要意义。针对现有方法在能见度预测时对影响因素空间相关性考虑不足导致预测精度较低的问题，研究构建了一种考虑空间相关性的能见度预测模型。利用一维多尺度卷积神经网络(Multi-Scale Convolutional Neural Network, MSCNN)提取能见度以预测各影响因素下不同精细度的空间特征，并将其进行线性融合得到多因素空间特征，实现对能见度预测影响因素的空间特征提取；利用Attention机制加强对关键信息关注的优势以对长短期记忆神经网络(Long-Short Term Memory Neural Network, LSTM)方法进行改进，进而增强模型对重要时序信息关注的能力和模型预测的准确性，实现在考虑影响因素空间相关性下对能见度的预测。以2021—2023年西安市逐时气象数据和污染物数据为试验数据，采用均方根误差(R_(MSE))、平均绝对误差(M_(AE))和R~2指标对模型进行评价。试验结果显示，研究模型M_(AE)下降26.3%～39.1%,R_(MSE)下降25%～40%,R~2提升3.7%～16.4%,能见度预测精度较高。
关键词：环境科学技术基础学科;;能见度预测;;空间相关性;;一维多尺度卷积神经网络;;长短期记忆神经网络;;注意力机制
基金资助：国家自然科学基金项目(72104034,72104037);; 陕西省社会科学基金项目(2024R009);; 陕西省教育厅2021年度重点科学研究计划项目(21JP007);; 陕西省交通运输厅交通科技项目(23-12K)
