报告题目

基于深度学习地表臭氧浓度反演和评估

报告摘要

报告提出了一种新型深度学习模型（AR-LSTM）来估算华东地区日臭氧八小时浓度（MDA8 O₃）。AR-LSTM模型将注意力机制和残差连接融入到长短期记忆网络中，使用哨兵5P卫星臭氧柱浓度、气象数据作为主要输入。模型验证使用国家监测总站的观测值，其基于样本交叉验证的决定系数为0.94，均方根误差为10.60 μg m-3，性能优于随机森林、深度神经网络和支持向量机等多种常用模型。报告还基于AR-LSTM模型生成的2020华东地区MDA8 O3数据集进行人口暴露度分析，研究结果表明，华东地区大约81%的人口暴露于MDA8 O3>100μgm-3大于150天，并且15%的人口居住在MDA8 O3>160μgm-3的地区超过60天。

最亮点的一张成果图

上图主要介绍了单层带有残差和注意力的LSTM的结构。该模型在时间上做递归，考虑了时间信息的贡献，同时在LSTM模型中增加了注意力机制和残差连接，以减小时间维度增加可能导致的模型干扰。最后通过大量实验形成了一个五层结构的AR-LSTM模型（包括一个DNN层和一个线性层），该模型能够有效提取臭氧污染物的时空分布特征，提高反演精度。