近日，我院鲁棒视觉智能感知技术团队在可解释时空建模研究方向取得重要进展。由时光老师完成的学术论文《An interpretable spatiotemporal method with a composite attention mechanism for the prediction of air pollution with stable and dynamic spatial relationships》成功被计算机科学领域国际知名期刊《Expert SystemsWith Applications》（SCI一区，TOP期刊，影响因子7.5）录用。这是今年该团队在国际知名期刊上发表高水平学术论文的又一重要成果。
空气污染是全球面临的主要环境与公共健康问题之一。空气污染物在大气中的输送、扩散和转化过程受气象条件、地形特征及人类活动等多重因素影响，呈现出高度复杂的时空变化规律。据此，本研究提出了一种基于知识启发的、融合动态和静态关系建模的空气污染时空预测方法—SDSA模型。该模型创新性地设计了两个注意力模块CARPE与WLA，分别用于捕捉监测站点之间的稳定空间关系和动态空间关系。CARPE模块用于识别长期稳定、变化较少的空间关系，通过引入相对位置嵌入（RelativePositional Embedding），结合监测站点的地理信息，并采用余弦相似度生成注意力权重，从而刻画区域之间存在相对稳定的关联模式。WLA模块则从描述污染物扩散的高斯扩散（Gaussian Dispersion）模式中获得启发，构建用于表征受风向与风速等气象条件影响的动态扩散关系。
在西安地区监测站点的六类污染物预测任务中，SDSA模型的次日预测效果明显优于多种基线模型。对模型注意力权重的解释表明，CARPE捕捉的稳定关系清晰揭示了西安的空气污染与其西北区域之间存在着一些稳定的关联，与以往利用轨迹聚类分析（Trajectory cluster analysis, TCA）研究污染物输送路径所得出的结论一致，进一步验证了在空气污染复杂系统中区分不同类型空间关系的重要性。（撰稿：李鹏芳；审核：张凯兵）
人物链接：
时光，男，西安工程大学副教授，硕士生导师，西安交通大学理学博士，统计学科博士后，香港中文大学访问学者。主要研究方向为深度学习方法在图像处理以及空气污染时空建模中的应用。主持国家自然科学基金项目2项，陕西省基础研究计划项目1项，参与包括国家重点研发计划、国家自然科学基金重点项目等横纵向项目8项。近年来在国际知名期刊和会议上发表论文20余篇，获批国家发明专利2项。
