KDD24 通用的多源空间点数据预测：以PM2.5预测为例

文章预览

KDD24 通用的多源空间点数据预测：以PM2.5预测为例 1. 论文信息 标题：Self-consistent Deep Geometric Learning for Heterogeneous Multi-source Spatial Point Data Prediction 作者：Dazhou Yu, Xiaoyun Gong, Yun Li, Meikang Qiu, Liang Zhao 机构：埃默里大学 Emory universtiy 原文链接：https://arxiv.org/abs/2407.00748 代码链接： https://github.com/dyu62/multisource-spatial-point-prediction 2. 背景简介 随着数字化世界的发展，空间数据已经成为人们认识世界并与其交互的关键要素。空间数据的主要特征是具有2D/3D空间坐标和与之关联的属性。空间预测（spatial predidction）利用空间数据来预测某一地点或区域的事件或某一具体属性，在环境监测、自然资源管理、交通规划等领域有着重要应用。 空间数据可以大致细分为矢量数据（vector）与栅格数据（raster）：矢量数据包含点,线，面（point,line,polygon）， 其特征是具有精确 ………………………………