用于异质性空气质量评估的扩展时空格兰杰因果模型

用于异质性空气质量评估的扩展时空格兰杰因果模型
李安国教授
2022年10月5日
研究

本文涉及的是在有限的空气质量监测站的情况下进行城市范围的空气质量估计,这些监测站在地理上是稀疏的。由于空气污染受到整个城市动态(如气象和交通)的影响,我们可以根据这种空间-时间(ST)异质的城市大数据来推断没有监测站的地区的空气质量。然而,大数据支持的估计工作带来了三个挑战。第一个挑战是数据的多样性,即有许多不同类别的城市数据,其中一些可能对估计没有用。为了克服这个问题,我们将格兰杰因果关系扩展到ST空间,以一种一致的方式分析所有的因果关系。第二个挑战是处理大量数据所带来的计算复杂性。为了克服这个问题,我们引入了非因果性测试,以排除不 "格兰杰 "导致空气污染的城市动态,以及影响区域(ROI),这使得我们只分析具有最高因果性水平的数据。第三个挑战是使我们基于网格的算法适应于非网格的应用。通过开发一个灵活的基于网格的估计算法,我们可以在保持计算效率的同时减少基于网格算法的不准确性。

用于异质性空气质量评估的扩展时空格兰杰因果模型

麻省理工学院学士丶硕士丶博士;香港大学电子工程系首席教授;清华大学长江学者;IEEE院士,香港工程科学院院士;香港特别行政区铜紫荆勋章获得者。