空气质量预测

MSSTN: Multi-Scale Spatial Temporal Network for Air Pollution Prediction

问题提出

文章指出，对于空气质量数据集，无论是在时间维度和空间维度上，都存在着多尺度特性，例如，在时间方面存在短期波动，中期周期性和长期趋势，在空间方面存在城市规模和区域规模。

如上图（b），某个传感器的读数在1年尺度上显示长期趋势，在1天尺度上显示周期性，在1小时尺度上显示波动。如上图（c）个传感器组成的结构可分为城市尺度图和区域尺度图，城市尺度图每个节点代表一个传感器，区域尺度图每个节点代表一个城市（区域>城市）。由此可见在时间和空间维度上都存在多尺度的特征，据此，作者提出了一个多尺度时空网络（MSSTN）。

网络结构

MSSTN整体的网络结构比较简单，分为三个子网络：S-Net用来提取多尺度空间特征，T-Net用来提取多尺度时间特征，F-Net进行特征融合并给出最后的预测

S-Net

作者定义了多种图， 每个城市为一个图，即城市规模图，从每个城市中预先挑选一个传感器代表该城市，从而构成一个以城市为节点的区域规模图。

对不同的图做GCN（ChebNet），得到不同图的空间特征集合。

T-Net

T-Net的结构类似于TCN，但每层加入了一个门控非线性操作，具体公式如下

$u^l$为$l$层的输入的时序信号，$\ast d$为扩张卷积，$\sigma$为sigmoid激活函数

F-Net

将多尺度时间特征和空间特征和原始输入拼接后作为输入，经过一个多层感知器得到预测结果，为了确保有效的预测范围，作者采用了一个trick（ μ \mu