模型详情

模型描述

<!-- 提供关于此模型的更详细摘要。 -->

• 开发者： Warsaw Student Hacking Team
• 模型类型： Multi
• 语言(s) (NLP)： Pytorch
• 许可证： agpl-3.0 <!--

模型来源 [可选]

提供模型的基本链接。

• 代码库： [需要更多信息]
• 论文 [可选]： [需要更多信息]
• 演示 [可选]： [需要更多信息] -->

用途

<!-- 说明模型的预期使用方式，包括模型的可预见用户和受模型影响的人员。 --> 基于柏林全市80个监测站测量的交通强度预测10个PM10排放量（关于监测站的更多信息请参阅 -> https://api.viz.berlin.de/daten/verkehrsdetektion）。 排放训练数据从此处提取 -> https://www.umweltbundesamt.de/en/data/air/air-data/stations。模型使用交通监测站的 num_vehicles、quality、hour、month，按此顺序拼接。

使用的交通监测站 detid_15：

[100101010073424, 100101010075343, 100101010075444, 100101010075545, 100101010073323, 100101010077161, 100101010072717, 100101010072616, 100101010035331, 100101010043617, 100101010043516, 100101010085750, 100101010055741, 100101010055640, 100101010079585, 100101010066047, 100101010085649, 100101010069885, 100101010069986, 100101010002086, 100101010053923, 100101010029570, 100101010054024, 100101010029469, 100101010059983, 100101010002692, 100101010074838, 100101010074939, 100101010061603, 100101010061704, 100101010018355, 100101010018456, 100101010067259, 100101010017547, 100101010017648, 100101010067158, 100101010042708, 100101010042809, 100101010076656, 100101010076555, 100101010077060, 100101010076959, 100101010045132, 100101010045233, 100101010062512, 100101010062411, 100101010062613, 100101010062714, 100101010060084, 100101010085952, 100101010040179, 100101010040078, 100101010073525, 100101010073626, 100101010002288, 100101010083427, 100101010083528, 100101010053014, 100101010027348, 100101010013709, 100101010023914, 100101010083629, 100101010013810, 100101010024116, 100101010002389, 100101010024217, 100101010024419, 100101010053115, 100101010024318, 100101010035230, 100101010079787, 100101010027247, 100101010079080, 100101010078979, 100101010074232, 100101010074131, 100101010072212, 100101010072111, 100101010023510, 100101010023611]

使用的PM10监测站代码（用于模型训练）：

DEBE032, DEBE061, DEBE051, DEBE056, DEBE065, DEBE069, DEBE010, DEBE034, DEBE063, DEBE068

评估

<!-- 本节描述评估协议并提供结果。 -->

在准备数据中随机选择的子集上进行评估。

指标

<!-- 这些是使用的评估指标，最好附上使用原因的说明。 --> 验证中使用平均绝对误差。