一种基于非监督学习的空气质量推断方法

本发明公开了一种基于非监督学习的空气质量推断方法，具体为：首先将区域栅格化，再获取空气质量数据、气象数据、交通数据和地理数据；建立空气质量推断模型，非监督学习任务致力于特征提取，而监督学习任务则负责执行核心的推断过程，模型包含类别型特征编码、位置编码模块、空间插值模块、特征编码模块和特征解码模块；将基于梯度的正则化纳入损失函数中；基于梯度计算特征重要性，完成空气质量推断。本发明提出了适用于类别型特征方法，提升了模型的预测准确性，进一步提升了模型的推断能力和可解释性。