一种基于时空图网络的大气浓度场反演方法及系统
本申请涉及一种基于时空图网络的大气浓度场反演方法及系统,方法包括:获取不同平台的大气观测数据;对不同平台的大气观测数据进行标准化与预处理,生成统一格式的时空点云数据;将时空点云数据映射为用于描述大气物理传输过程的图网络结构;构建混合神经网络架构,将图网络结构作为混合神经网络架构的输入,训练混合神经网络架构,得到预测模型;将实时的雷达观测数据输入预测模型,得到三维颗粒物浓度场预测结果;对三维颗粒物浓度场预测结果进行解析,评估评估当前污染事件的污染成因。本技术方案能够在观测数据有限的情况下,生成高保真、时空连续的浓度场,极大地提升了反演结果的准确性和可靠性。