菲利普·哈内尔;雅库布·马雷切克;朱利安·蒙泰尔;费尔加尔·奥唐恰 利用深度学习扩大空气污染监测和预测的范围。 （英语） Zbl 07505614号 J.计算。物理学。 408，文章ID 109278，13 p.（2020）. 摘要：在众多应用中，预测依赖于偏微分方程（PDE）的数值解算器。虽然已经提出使用深度学习技术，但实际应用受到了限制，因为训练数据是使用传统的PDE求解器获得的。因此，深度学习技术的使用仅限于PDE求解器适用的领域。我们展示了一个用于空气污染监测和预测的深度学习框架，该框架提供了跨不同模型域进行培训的能力，并将运行时间减少了两个数量级。它提供了一种首次实现，结合了深度学习和域分解技术，允许模型部署扩展到其培训的域之外。 MSC公司： 92至XX 生物学和其他自然科学 68倍 计算机科学 关键词：深度学习;偏微分方程;空气污染 软件：FLUENT公司;卡普夫;火炬差异;PointNet（点网）;PDE-网络;TensorFlow公司;DGM公司 PDF格式BibTeX公司 XML格式引用 \textit｛P.Hähnel｝等人，J.Comput。物理学。408，文章ID 109278，13 p.（2020；Zbl 07505614） 全文： 内政部 arXiv公司 参考文献： [1] 世界卫生组织，《2016年家庭空气污染造成的疾病负担》，世卫组织，瑞士日内瓦（2018年） [2] 张，K。；Batterman，S.，《车辆交通造成的空气污染和健康风险》，科学。Total Environ.公司。，450, 307-316 (2013) [3] 伦敦市公司，《2015-2020年伦敦市空气质量战略》（2015），伦敦市技术代表 [4] Oecd，《空气污染成本》（2014年） [5] 南卡罗来纳州詹姆斯。；Zhang，Y。；O'Donncha，F.，预测波浪条件的机器学习框架，海岸。工程，137，1-10（2018） [6] 本纳，P。；古吉丁，S。；Willcox，K.，参数动力系统基于投影的模型简化方法综述，SIAM Rev.，57，4，483-531（2015）·Zbl 1339.37089号 [7] 古德费罗，I。；Y.本吉奥。；A.Courville，《深度学习》（2016），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥·Zbl 1373.68009号 [8] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过反向传播错误学习表征》，《自然》，3236088533（1986）·Zbl 1369.68284号 [9] de Saint-Venant，B.，Théorie du movement non-permanent des eaux，avec application aux crues des rivières et a l'mare es dans leurs lits，C.R.学院。科学。，16, 147-154 (1871) [10] M.J.Lighthill。；Whitham，G.B.，《关于运动波，II：长距离拥挤道路上的交通流理论》，Proc。R.Soc.伦敦。A、 229、1178、317-345（1955）·Zbl 0064.20906号 [11] Stockie，J.M.，《大气扩散建模的数学》，SIAM Rev.，53，2，349-372（2011）·兹比尔1231.86007 [12] Norris，J.R.，Smoluchowski的凝聚方程：随机凝聚的唯一性、非均匀性和流体动力学极限，《应用年鉴》。概率。，78-109 (1999) ·Zbl 0944.60082号 [13] Ronnie Sircar，K。；Papanicolaou，G.，通用Black-Scholes模型解释了对冲策略导致的市场波动增加，Appl。数学。金融，5，1，45-82（1998）·Zbl 1009.91023号 [14] Godunov，S.K.，《流体动力学方程间断解数值计算的差分方法》，Mat.Sb.，89，3，271-306（1959）·Zbl 0171.46204号 [15] LeVeque，R.J.，非线性问题的守恒方法，（守恒定律的数值方法（1990），Springer），122-135 [16] Lax，P.D.，双曲守恒律系统II，Commun。纯应用程序。数学。，10, 4, 537-566 (1957) ·Zbl 0081.08803号 [17] Donea，J.，对流输送问题的Taylor-Galerkin方法，国际数值杂志。方法工程，20，1，101-119（1984）·兹伯利0524.65071 [18] Ragnoli，E。；扎亚茨，M。；O’Donncha，F。；Zhuk，S.，用非高斯不确定性描述对流主导流的局部序贯状态估计，J.Compute。物理。，387, 356-375 (2019) ·Zbl 1452.76228号 [19] O’Donncha，F。；Iakymchuk，R。；Akhriev，A。；Gschwandtner，P。；托曼，P。；海勒，T。；阿吉拉尔，X。；Dichev，K。；吉兰，C。；马尔基迪斯，S。；Laure，E。；Ragnoli，E。；瓦西利亚迪亚斯，V。；约翰斯顿，M。；Jordan，H。；Fahringer，T.，AllScale工具链试点应用：使用并行开发环境的基于PDE的解算器，Compute。物理学。社区。，第107089条pp.（2019） [20] Quarteroni，A。；Valli，A.A.，《偏微分方程的区域分解方法》（1999），克拉伦登出版社·Zbl 0931.65118号 [21] 史密斯，B.F。；比约斯塔德，体育。；Gropp，W.，《区域分解：椭圆偏微分方程的并行多层方法》（2004），剑桥大学出版社 [22] 拉加里斯，I.E。；利卡斯，A。；Fotiadis，D.I.，求解常微分方程和偏微分方程的人工神经网络，IEEE Trans。神经网络。，9, 5, 987-1000 (1998) [23] 拉加里斯，I.E。；利卡斯，A.C。；Papageorgiou，D.G.，不规则边界边值问题的神经网络方法，IEEE Trans。神经网络。，11, 5, 1041-1049 (2000) [24] Lee，H。；Kang，I.S.，解微分方程的神经算法，J.Compute。物理。，91, 1, 110-131 (1990) ·Zbl 0717.65062号 [25] 拉穆哈利，P。；Udpa，L。；Udpa，S.S.，用于求解微分方程的有限元神经网络，IEEE Trans。神经网络。，16, 6, 1381-1392 (2005) [26] 德尔皮亚诺，J。；Zegers，P.，《半自主神经网络微分方程求解器》（2006年IEEE国际神经网络联合会议论文集（2006）），1863-1869 [27] Muro，G.D。；Ferrari，S.，求解非平稳环境中偏微分方程的约束反向传播方法，（2009年神经网络国际联合会议（2009）），685-689 [28] 陆克文，K。；Muro，G.D。；Ferrari，S.，偏微分方程自适应解的约束反向传播方法，IEEE Trans。神经网络。学习。系统。，25, 3, 571-584 (2014) [29] Rudd，K.，《使用人工神经网络求解偏微分方程》（2013），博士论文 [30] Brunton，S.L。；Noack，B.R。；Koumoutsakos，P.，《流体力学的机器学习》，年。流体力学版次。，52 (2019) [31] 王，Q。；赫瑟文，J.S。；Ray，D.，使用人工神经网络对非定常流动进行非侵入降阶建模，并应用于燃烧问题，J.Compute。物理。，384, 289-307 (2019) ·Zbl 1459.76117号 [32] 拉里，D。；米勒，M。；Mussa，H.，使用神经网络描述示踪剂相关性，Atmos。化学。物理。，4, 1, 143-146 (2004) [33] 罗约拉，R。；Diego，G.，《神经网络方法在地球观测卫星数据处理中的应用》，神经网络。，19, 2, 168-177 (2006) [34] 汤普森，J。；Schlachter，K。；Sprechmann，P。；Perlin，K.，《利用卷积网络加速欧拉流体模拟》，（Precup，D.；Teh，Y.W.，《第34届机器学习国际会议论文集》，《机器学习研究论文集》第70卷（2017），PMLR，国际会议中心：PMLR，澳大利亚悉尼国际会议中心），3424-3433 [35] Wiewel，S。；贝彻，M。；瑟瑞，N.，《潜在空间物理学：朝向流体流动的时间演化》，预印本 [36] 赫塞文，J。；Ubbiali，S.，《使用神经网络对非线性问题进行非侵入式降阶建模》，J.Compute。物理。，363, 55-78 (2018) ·Zbl 1398.65330号 [37] 郭，M。；Hesthaven，J.S.，时间相关问题的数据驱动降阶建模，计算。方法应用。机械。工程，345，75-99（2019）·Zbl 1440.62346号 [38] Sirignano，J。；Spiliopoulos，K.，DGM：解偏微分方程的深度学习算法，预印本·兹比尔1416.65394 [39] 长，Z。；卢，Y。；Dong，B.，PDE-Net 2.0：使用数字符号混合深度网络从数据中学习PDE，J.Compute。物理。，399，第108925条pp.（2019）·Zbl 1454.65131号 [40] 秦，T。；Wu，K。；Xiu，D.，使用深度神经网络的数据驱动控制方程近似，J.Compute。物理学。(2019) ·Zbl 1455.65125号 [41] 雷·D。；Hesthaven，J.S.，《作为故障细胞指示器的人工神经网络》，J.Compute。物理。，367, 166-191 (2018) ·Zbl 1415.65229号 [42] 雷·D。；Hesthaven，J.S.，《使用神经网络检测二维非结构化网格上的故障细胞》，J.Compute。物理。，397，第108845条pp.（2019）·Zbl 1453.65301号 [43] Chen，T.Q。；Rubanova，Y。；贝当古，J。；Duvenaud，D.K.，《神经常微分方程》（Bengio，S.；Wallach，H.；Larochelle，H.）；Grauman，K.；Cesa-Bianchi，N.；Garnett，R.，《神经信息处理系统的进展》，第31卷（2018），Curran Associates，Inc.），6572-6583 [44] Grathwohl，W。；陈，R.T.Q。；贝当古，J。；Duvenaud，D.，具有自由形式连续动力学的可伸缩可逆生成模型（国际学习表征会议（2019年）） [45] Gulgec，N.S。；施，Z。；北德什穆赫。；帕克扎德，S。；Takáć，M.，《带辅助时间步长的FD-net：使用无Hessian信任区域方法快速预测PDE》，（NeurIPS 2019研讨会（ML中超越一阶方法）（2019）） [46] Han，J。；Jentzen，A。；Weinan，E.，使用深度学习求解高维偏微分方程，Proc。国家。阿卡德。科学。美国，115、34、8505-8510（2018）·Zbl 1416.35137号 [47] 托马斯·S。；Jacko，R.B.，《高速公路细颗粒物和一氧化碳浓度预测模型：回归和神经网络模型的应用》，《空气废物管理杂志》。协会，57，4480-488（2007） [48] 董，M。；Yang，D。；Kuang，Y。；He，D。；埃尔达尔，S。；Kenski，D.，使用基于隐藏半马尔可夫模型的时间序列数据挖掘进行PM2.5浓度预测，专家系统。申请。，36, 5, 9046-9055 (2009) [49] 齐，Z。；Wang，T。；Song，G。；胡，W。；Li，X.，《深层空气学习：细粒度空气质量的插值、预测和特征分析》，预印本 [50] 朱，D。；蔡，C。；Yang，T。；Zhou，X.，《空气质量预测的机器学习方法：模型正则化和优化》，大数据认知。计算。，2, 1, 5 (2018) [51] Fisher，M.L.，解决整数规划问题的拉格朗日松弛方法，Manag。科学。，27, 1, 1-18 (1981) ·Zbl 0466.90054号 [52] Bertsekas，D.P.，《非线性规划》，雅典娜科学出版社（2003） [53] Gergonne，J.，《最小二乘法在序列插值中的应用》，Hist。数学。，1, 4, 439-447 (1974) [54] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），剑桥大学出版社·Zbl 1058.90049号 [55] 佩赫斯托弗，B。；Willcox，K。；Gunzburg，M.，不确定性传播、推理和优化中的多理想方法综述，SIAM Rev.，60，3550-591（2018）·Zbl 1458.65003号 [56] Cybenko，G.，S形函数的叠加逼近，数学。控制信号系统。，2, 4, 303-314 (1989) ·Zbl 0679.94019号 [57] Quarteroni，A。；Valli，A.，偏微分方程的区域分解方法，（Quarteroni，Alfio；Valli，Alberto，《数值数学和科学计算》（1999），牛津大学出版社：牛津大学出版社，纽约）·Zbl 0931.65118号 [58] Nagendra，S。；Khare，M.，线源发射建模，Atmos。环境。，36, 13, 2083-2098 (2002) [59] Benson，P.E.，《预测道路附近空气污染物浓度的CALINE 4-A扩散模型》（1984年），技术代表。 [60] 美国环境保护署，HIWAY-2用户指南（1980），技术代表。 [61] 美国环境保护署，AMS/EPA监管模型（AERMOD）用户指南（2003），技术代表。 [62] 南萨马拉纳亚克。；Glaser，S。；霍尔斯蒂乌斯，D。；蒙特尔，J。；拖拉机，K。；Seto，E。；Bayen，A.，公路交通污染排放和扩散的实时估算，计算-辅助公民。基础设施。工程，29，7，546-558（2014） [63] J.S.Scire、D.G.Strimaitis、R.J.Yamartino等人，《CALPUFF分散模型用户指南》。 [64] ANSYS FLUENT 12.0用户指南（2009），技术代表。 [65] Hsu，K.-J.，空气污染物相互依存关系的时间序列分析，大气。环境。，B部分，城市大气。，26, 4, 491-503 (1992) [66] 侯赛因，K.，《改进神经网络模型模拟污染物扩散的预测能力》，国际大气杂志。科学。(2014) [67] Us-Epa，空气质量扩散模型——首选和推荐模型（2018年） [68] 布罗德里克，B。；巴德，美国。；米斯泰尔，B。；詹宁斯，S。；Ceburnis，D.，《爱尔兰条件下道路运输部门空气污染扩散模型验证：最终报告》（2004年），环境保护局：爱尔兰威克斯福德约翰斯顿城堡环境保护局，技术代表，项目2000-LS-6.3-M1 [69] Abadi，M.，TensorFlow:大型机器学习系统，（《第十二届USENIX操作系统设计与实现会议论文集》，第十二届操作系统设计和实现会议论文，OSDI’16（2016），USENIX-协会：美国加州伯克利USENIX-Association Berkeley，USA），265-283 [70] Bellinger，C。；M.S.M.贾巴尔。；O·扎伊纳。；Osornio-Vargas，A.，《空气污染流行病学数据挖掘和机器学习系统综述》，BMC公共卫生，17，1，907（2017） [71] Mallet，V.公司。；Nakonechny，A。；Zhuk，S.，用于顺序聚集的Minimax滤波：在臭氧分析的集合预测中的应用，地球物理杂志。大气研究。，118, 19 (2013) [72] O’Donncha，F。；Zhang，Y。；陈，B。；James，S.C.，使用计算轻量级机器学习模型预测海浪的集成模型聚合，J.Mar.Syst。，199，第103206条pp.（2019） [73] 崔，Z。；Henrickson，K。；Ke，R。；Wang，Y.，高阶图卷积递归神经网络：网络规模交通学习和预测的深度学习框架，预印本 [74] 周，T。；Han，G。；Xu，X。；林，Z。；Han，C。；黄，Y。；秦，J.，δ-同意AdaBoost堆叠式自动编码器用于短期交通流预测，神经计算，247，31-38（2017） [75] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.E.，使用高斯过程的线性微分方程机器学习，J.Compute。物理。，348, 683-693 (2017) ·Zbl 1380.68339号 [76] 莱斯，M。；Karniadakis，G.E.，《隐藏物理模型：非线性偏微分方程的机器学习》，J.Compute。物理。，357125-141（2018）·Zbl 1381.68248号 [77] Bronstein，M.M。；布鲁纳，J。；LeCun，Y。；Szlam，A。；Vandergheynst，P.，《几何深度学习：超越欧几里德数据》，IEEE信号处理。Mag.，34，4，18-42（2017） [78] 齐，C.R。；Yi，L。；苏，H。；Guibas，L.J.，Pointnet++：度量空间中点集的深度分层特征学习，（神经信息处理系统进展（2017）），5099-5108 [79] Cottrell，J.A。；休斯·T·J。；Bazilevs，Y.，《等几何分析：走向CAD和FEA的集成》（2009），John Wiley&Sons·兹比尔1378.65009 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。