AirPhyNet: 利用物理引导的神经网络进行空气质量预测
原文中文，约300字，阅读约需1分钟。发表于：。本论文提出了一种名为 AirPhyNet 的物理引导神经网络方法，通过将空气颗粒运动的物理原理（扩散和平流）表示为微分方程网络，并利用图结构将物理知识整合到神经网络架构中，从而捕捉空气质量数据中的时空关系。实验证明，AirPhyNet 在不同测试场景下（包括不同前瞻时段、稀疏数据和突变预测）优于现有模型，预测误差降低了...
本论文介绍了一种名为物理引导的神经网络（PGNN）的框架，将物理学模型与神经网络相结合，以生成预测。该框架使用物理基础的损失函数来确保模型预测的科学一致性。通过以科学知识指导神经网络的构建和学习，该框架能够提供更好的泛化能力和结果的科学一致性。
