基于时空图神经网络与专家混合模型的PM10浓度预测方法

本发明属于PM10浓度预测技术领域，且公开了基于时空图神经网络与专家混合模型的PM10浓度预测方法，具体步骤如下：S1、时间特征提取(RTAF)PM10浓度受多种时间因素影响，包括短期波动、中期趋势和长期趋势。通过构建动态多模态加权图，将气象因素、地理位置与历史污染相似性编码为边与节点的特征，并基于自适应图神经网络建模PM10的空间传播机制，时间维度上，模型引入残差注意力融合模块，有效提取多尺度时间依赖特征，捕捉长期趋势与短时波动过程，最终利用专家混合网络对复杂PM10传播模式进行动态建模与专家选择，提升预测的鲁棒性与泛化能力，该模型充分融合了PM的传输机理与深度时空建模能力，实现了未来24小时PM10浓度的高精度预测。