用于多站点污染预测的自配置可解释图神经网络

# 自动配置的可解释图神经网络用于多站点污染预测  
**来源**：https://arxiv.org/html/2606.24978  
**Abdelkader Dairi** 计算机科学系，奥兰科技大学–穆罕默德·布迪亚夫 (USTO-MB)，El Mnaouar, BP 1505, Bir El Djir 31000, 奥兰，阿尔及利亚, [email protected]  
**Fouzi Harrou** 计算机、电气与数学科学与工程 (CEMSE) 学部，阿卜杜拉国王科技大学 (KAUST)，图瓦勒 23955-6900，沙特阿拉伯, [email protected]  
**Ying Sun** 计算机、电气与数学科学与工程 (CEMSE) 学部，阿卜杜拉国王科技大学 (KAUST)，图瓦勒 23955-6900，沙特阿拉伯, [email protected]  

###### 摘要  
精确的颗粒物 (PM) 预测对于减轻空气污染至关重要。图神经网络 (GNN) 能有效建模时空依赖关系，但预定义的图限制了适应性，且某些数据集会增加学习难度。本研究引入一种基于监督学习过程生成的混淆矩阵的图构建方法，动态捕获类别间关系。此外，采用结合能量距离和 Huber 损失的混合损失函数，以解决梯度消失问题并提升学习稳定性。该方法利用犹他大学 AirU 污染监测网络（位于犹他州盐湖城）的空气污染数据，对五种 GNN 模型（图卷积网络 GCN、简单图卷积网络 SGConv、图同构网络 GIN、图注意力网络 GAT 和 GraphSage）进行评估。单步和多步预测的实验结果证实，GraphSage 在预测不同时间范围内的 PM1、PM10 和 PM2.5 浓度时取得了最高精度。此外，使用 GNNExplainer 和 PGExplainer 解释特征重要性和图结构，确保模型透明度。结果显示，GNN模型在空气污染预测中优于传统机器学习与深度学习模型（如 Prophet、长短期记忆网络 LSTM、门控循环单元 GRU），预测精度得到提升。

## 1 引言  
空气污染，尤其是颗粒物 (PM)，对公共健康和环境构成重大威胁 [11 (https://arxiv.org/html/2606.24978#bib.bib35)]。PM 是微小颗粒和液滴的复杂混合物，能够深入呼吸系统，导致哮喘、支气管炎、心脏病甚至早产死亡等多种健康问题 [25 (https://arxiv.org/html/2606.24978#bib.bib37)]。儿童、老年人和已有健康问题的个体是特别易受影响的人群 [34 (https://arxiv.org/html/2606.24978#bib.bib31)]。精确预测 PM 浓度对于减轻这些健康风险至关重要。预测模型能够实现及时干预并为政策决策提供依据，以改善空气质量、保护公共健康并促进环境可持续性 [8 (https://arxiv.org/html/2606.24978#bib.bib34)]。通过预测 PM 水平，社区能够更好地准备以减少暴露并采取主动措施，从而有助于创造更健康、更安全的生活环境 [6 (https://arxiv.org/html/2606.24978#bib.bib36)]。

传统预测 PM 浓度的方法主要依赖时间序列模型和浅层机器学习方法。时间序列模型如季节分解和自回归积分滑动平均模型 (ARIMA) 因其捕捉数据时间模式的能力而被广泛采用 [17 (https://arxiv.org/html/2606.24978#bib.bib32),10 (https://arxiv.org/html/2606.24978#bib.bib33)]。然而，这些模型往往难以处理环境数据中固有的高维非线性关系。它们通常受限于仅依赖历史数据，无法纳入影响 PM 水平的多种因素之间的复杂交互。浅层机器学习方法，包括线性回归、决策树和支持向量机 (SVM)，也被用于 PM 预测 [31 (https://arxiv.org/html/2606.24978#bib.bib29)]。这些方法能捕捉线性和简单的非线性关系，相比传统时间序列模型有所改进。然而，它们在处理空气污染的时空依赖性和复杂动态方面普遍不足。浅层机器学习模型缺乏从大型异质数据集中提取有意义特征所需的深度，常常导致 PM 浓度预测性能欠佳。

图神经网络 (GNN) 近年来在捕捉环境数据中的复杂关系方面显示出巨大潜力 [35 (https://arxiv.org/html/2606.24978#bib.bib14),4 (https://arxiv.org/html/2606.24978#bib.bib15)]。GNN 能够有效捕捉空气污染数据中固有的空间和时间依赖性，为 PM 预测提供更精细、更准确的方法。多项研究已证明基于 GNN 的模型优于传统方法。时空图神经网络的最新进展进一步强化了它们在城市计算应用（包括空气污染预测）中的相关性 [13 (https://arxiv.org/html/2606.24978#bib.bib4)]。这些模型利用监测站之间的空间相关性和空气质量数据中的时间依赖性来增强预测性能。此外，已有研究提出结合 CNN 和自适应 GCN 的混合架构，通过捕捉地理和潜在区域依赖关系，解决纯基于距离方法的局限性 [14 (https://arxiv.org/html/2606.24978#bib.bib5)]。与此同时，自动时空同步建模框架也在出现以改进动态预测，如 Li 等人 [18 (https://arxiv.org/html/2606.24978#bib.bib6)] 所示，利用多种图结构优化消息传递机制以实现更鲁棒的交通预测。例如，Qi 等人引入了一种混合模型 GC-LSTM，将图卷积网络 (GCN) 与长短期记忆网络 (LSTM) 相结合，用于预测 PM2.5 浓度 [26 (https://arxiv.org/html/2606.24978#bib.bib23)]。该模型利用来自历史数据的时空图序列以及各种空气质量和气象因素作为图信号，超越了现有最先进方法，在 72 小时预测中实现了高相关系数 (R²=0.72)，展示了其未来污染物浓度预测的潜力。在 [15 (https://arxiv.org/html/2606.24978#bib.bib24)] 中，Kim 等人开发了一种基于多门控图神经网络的新型 PM2.5 预测框架。该模型通过采用基于大气扩散系数和 PM2.5 相似度度量的多条边，捕捉监测站之间的复杂交互。与常规时间序列模型相比，该模型在 96 小时预测中展现出显著的改进：均方根误差 (RMSE) 降低 2.613%，R² 提升 5.263%，突显了其在捕获全局特征和缓解局部依赖问题方面的有效性。在 [19 (https://arxiv.org/html/2606.24978#bib.bib25)] 中，Lin 等人引入了 ST-CCN-PM2.5 框架，结合空间注意力机制和因果卷积网络以提升 PM2.5 预测精度。该模型优于多个基线模型，在单个站点上 RMSE 显著降低 27.05%，MAE 降低 10.38%，R² 提升 3.56%。研究 [23 (https://arxiv.org/html/2606.24978#bib.bib44)] 提出了 SA-GNN 模型，通过将监测站视为图节点并利用其空间关系来预测短期 PM2.5 浓度。该模型在 GNN 框架内融合了气象变量和基于聚类的时空特征提取。在德里应用时，该模型显著提升了 R² (0.75)、RMSE (25.13 μg/m³) 和 MAE (21.28 μg/m³)，尤其是在高污染事件期间，展示了其在类似污染城市中的潜力。在 [7 (https://arxiv.org/html/2606.24978#bib.bib26)] 中，Ejurothu 等人开发了一种本地混合图神经网络 (HGNN) 方法，用于针对印度各监测站进行多步 PM2.5 预测。该模型整合了时空单元和站点特征提取单元，以处理当地气象变化。在 [40 (https://arxiv.org/html/2606.24978#bib.bib27)] 中，Zeng 等人引入了 STGODE-M 模型，利用基于张量的常微分方程捕捉时空动态并构建更深的网络。该模型将空气湿度作为辅助特征，并使用风向数据构建邻接矩阵。在基于居家养老公园的数据集上进行评估，STGODE-M 在捕捉 PM2.5 的时空特征方面表现出优越性能，为老年人出行提供更好的指导并降低健康风险。Liu 等人 [20 (https://arxiv.org/html/2606.24978#bib.bib28)] 提出了一个基于图的机器学习新基准任务，专注于在分布偏移下预测未来 PM2.5 浓度。他们的研究表明，GNN 模型比非图基模型更容易受到分布偏移的影响，强调了在实际部署时空 GNN 时需要特别关注。在 [28 (https://arxiv.org/html/2606.24978#bib.bib42)] 中，Teng 等人开发了 GNN_LSTM 模型，捕捉监测站点间的时空相关性以改进长期 PM2.5 预测。该模型在京津冀地区，尤其在污染事件期间表现出了显著的性能提升。引入 AOD 特征进一步提高了预测精度，强调了邻近站点特征对长期空气质量预测的重要性。在另一项研究中，Zhang 等人 [41 (https://arxiv.org/html/2606.24978#bib.bib43)] 提出了一种利用时空图注意力循环神经网络结合灰狼优化算法进行长期 PM2.5 预测的新方法。该模型有效整合了空间和时间依赖性，提供了改进的预测精度和对 PM2.5 浓度变化的鲁棒性。在 [24 (https://arxiv.org/html/2606.24978#bib.bib39)] 中，Pei 等人提出了 PMNet 模型，结合自适应变分模态分解 (AVMD) 与多元时间图神经网络 (MtemGNN)。该模型有效提取了多元时间序列之间的复杂关系，并展现出优于基线模型的预测性能。消融实验突出了 AVMD、GRU 和 MtemGNN 在降低 MAE 和提高预测精度方面的显著贡献。

本文提出一种预测多个监测站点 PM 浓度的新方法。该方法利用高级图分析（改进型图神经网络）捕捉影响不同粒径 PM 水平的多种因素（多变量）之间的复杂相互作用，同时考虑其所在位置（空间）和随时间的变化（时间）。该方法利用这些站点的历史数据（时间序列）来增强预测。本研究的基本要素可概括如下：

- **①** 本研究引入一种基于监督学习过程生成的混淆矩阵来构建图结构的新方法。传统方法通常依赖预定义的图结构，由于其静态性质，可能限制模型的适应性和性能。相比之下，我们的方法动态反映数据的内在关系，捕捉类别间依赖性，从而提供更适应、更准确的时空依赖关系表示。这种动态图构建能更有效地适应数据的变化和波动，从而提高预测精度。通过捕捉微妙但关键的类别间关系，模型的预测能力得到显著增强。
- **②** 此外，所提出的方法采用混合损失函数，结合能量距离和 Huber 损失，以解决训练深度神经网络时的主要挑战——梯度消失问题。通过整合这两种损失函数，我们的方法确保了更稳定和高效的学习，从而带来更好的模型性能。这种混合方法平衡了鲁棒性和敏感性，对于处理异常值以及在训练过程中提供平滑梯度至关重要，进而提升模型的整体精度。
- **③** 此外，所提出的方法使用真实世界数据集和五种不同的 GNN 模型（GCN、GAT、GIN、SGConv 和 GraphSage）进行了广泛评估。同时，还与传统的机器学习模型（包括 k 近邻 kNN、随机森林 RF、极端随机树 ET、决策树 DT 和梯度提升 GB）进行了比较，以评估 GNN 在 PM 浓度预测中的相对性能。为进一步加强评估，还将 Prophet、长短期记忆网络 LSTM 和门控循环单元 GRU 等深度学习模型纳入对比，以在相似的预测条件下进行性能基准测试。该评估包括单步和多步预测实验，全面比较了各种场景下的模型性能。这种全面的评估为该方法提供了稳健的验证，证明了其有效性。
- **④** 最后，我们利用两种可解释人工智能技术来解释模型的决策过程：GNNExplainer 和 PGExplainer。这些工具深入分析特征重要性和图结构，揭示模型如何得出预测结果，从而增强 GNN 模型的透明度。

本文后续部分结构如下：第2节简要介绍本研究中考虑的五个 GNN 模型的基本概念。第3节概述所提出的 GNN 策略的主要步骤。第4节讨论使用的数据，并展示单步和多步 PM 污染预测的结果。第5节总结研究内容并指出未来改进方向。

## 2 预备材料  
本节介绍所提出方法中使用的材料，重点介绍 GNN 及其变体。图1 中的框图展示了所提出的基于 GNN 的框架，用于预测多个监测站的颗粒物 (PM) 浓度。流程始于空气质量监测网络，其中从分布在整个城市环境的天气站收集原始 PM 数据和环境因素（如温度、湿度）。在数据预处理阶段，对收集到的数据进行清洗、归一化和插补，以确保一致性和质量。接着，构建图表示，其中节点代表监测站，边表示它们之间的空间或统计关系，通过基于混淆矩阵的方法确定。构建好的图随后用于训练多个 GNN 模型（GCN、GAT、GIN、SGConv 和 GraphSage）。

（注：完整原文中此段之后应有更多内容，但根据用户提供的文本，翻译至此结束。由于用户提供的原文到此处中断（在 GraphSage 后没有更多正文），翻译也相应结束。后续部分如公式、图、表格等未在用户输入中提供，故不额外生成。）