近日，天津科技大学人工智能学院社会计算与知识工程科研团队在Elsevier旗下人工智能工程领域的国际顶级学术期刊《Advanced Engineering Informatics》（中国科学院一区，IF=8.8）在线发表了题为《Uncertainty graph convolution recurrent neural network for air quality forecasting》的最新研究成果。该研究由天津科技大学、四川中电启明星信息技术有限公司、深圳市安软慧视科技有限公司、信创海河实验室和澳大利亚麦考瑞大学合作完成，我校硕士研究生董梅、孙月为共同第一作者，宋琛博士和张贤坤教授为共同通讯作者。

随着城市化进程的加快，空气质量已成为影响公众健康和城市可持续发展的关键因素之一。然而，由于复杂环境模拟难度高，数据波动大，特别是受极端天气的影响，空气质量预测面临诸多挑战。为了克服各类困难，提高预测精度，团队提出了一种创新的空气质量预测模型——AirCNN。融合了不确定性图卷积和循环神经网络的优势，通过考虑历史数据中的长短期时间依赖性以及区域内不同站点之间的局部和全局空间结构，实现了对空气质量更为精准的预测。

AirCNN模型在多个真实世界的数据集上表现优异，特别是在24小时预测任务中，相较于当前最先进的方法，AirCNN在两个真实数据集上的均方根误差（RMSE）分别降低了0.5，展现了其在长期预测方面的显著优势。

此项研究将人工智能深度学习算法应用于空气质量预测，不仅为空气质量预测领域提供了新的理论支撑和技术手段，也为城市规划和环境工程领域的科学决策提供了有力支持。天津科技大学人工智能学院将继续深耕人工智能领域，推动更多创新成果产出，为社会进步和可持续发展贡献力量。

宋琛、博士、人工智能学院讲师，主要从事大规模数据挖掘与分析、智能信息处理等领域研究。近年来她参与国家自然科学基金2项、主持横向项目三项。获天津科技大学教学创新大赛三等奖，作为主要完成人获天津市高等学校教学成果奖。在国内外核心刊物上发表SCII或E检索论文10余篇，为Transaction on Konwledge Discovery in Data，Concurrency and Computation: Practice and Experience，International Journal of Communication Systems 等期刊审稿人。

原文链接：https://www.sciencedirect.com/science/article/abs/pii/S1474034624002994

撰稿人：人工智能学院

摄影：人工智能学院

审稿人：周艺璇 李冰冰 李鑫淼