导语


从加拿大极端热浪，到德国的洪灾，从澳大利亚的森林大火，到中国河南的特大暴雨，极端天气已经成为新常态。气候变化正以我们所能感知的态势发生着。2021年诺贝尔物理学奖的一半被授予气象学家真锅淑郎和气象学家克劳斯·哈塞尔曼，“以表彰对地球气候的物理建模、量化变化和可靠地预测全球变暖”。表达了对人类命运的关切。不仅如此，空气污染与排放等因素也作为影响人类生活和生态环境的重要一环而一直备受关注。我们统一将这些放在地球系统科学研究的范畴中。近年来，系统科学、人工智能等学科的发展，为地球系统的研究提供了一系列有力的研究手段。


为了推进地球系统科学研究，集智俱乐部特联合气象学家和气象汇公众号联合发起筹备地球系统科学的主题读书会，系统地研究统计物理、深度学习等方法在地球系统科学中应用的相关文献，开展“地球系统科学因果推断”、“地球系统中的归因、临界问题”、“极端事件的同步和记忆效应 ”、“时空图神经网络”等等主题的报告分享，读书会于每周二晚上 7:00-9:00 进行讨论和分享，欢迎对地球系统科学领域感兴趣的朋友报名参加，可以获取回放，进入社群交流！






内容背景




地球科学中，大量的观测站点，如地面气象站、空气质量监测站、水文站等，是离散且不规则地分布在地理空间的。我们所能获得的是这些站点所返回的时序数据，以及站点之间的相对位置信息。为了得到更准确的预报结果，不仅需要考虑站点自身所蕴含在历史数据中的时间相关性，还要考虑站点之间的空间相关性。传统的应用于图片数据的卷积神经网络，由于其输入数据的要求是连续的网格数据，无法直接应用于此类场景。而可以建模非欧空间相关性的图神经网络为我们提供了一套有效的解决方案。





内容介绍




本次分享将系统地介绍图网络及其在大气污染预报和推断中的应用。同时，这些方法也可以被迁移到其他地球科学问题当中。本次报告将会介绍：
1. 图神经网络与时空图神经网络基础
2. 经典时空图神经网络模型及其常用组件

3. 不同时空图网络模型在大气污染中的应用

a. 动态图、多图、多尺度时空图网络
b. 基于物理信息的时空图网络
c. 可推断缺失信息的时空图网络
d. 自适应时空图网络





主讲人




王硕，北京师范大学系统科学学院与 ETH Zurich 联合培养博士生，师从张江教授与Lothar Thiele教授，研究方向为时空图神经网络，大气污染预测。


许菁，北京师范大学系统科学学院研究生，师从张江教授，目前的研究方向是时空图神经网络，以及大气污染预测方面的应用。

参考文献（包括书籍、论文 MLA格式）

  1. Xu, L., Chen, N., Chen, Z., Zhang, C. & Yu, H. Spatiotemporal forecasting in earth system science: Methods, uncertainties, predictability and future directions. Earth-Science Rev. 222, 103828 (2021).

  2. Ye, J., Zhao, J., Ye, K. & Xu, C. How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey. IEEE Trans. Intell. Transp. Syst. 1–21 (2020) doi:10.1109/TITS.2020.3043250.

  3. Yu, B., Yin, H. & Zhu, Z. Spatio-temporal graph convolutional networks: A deep learning framework for traffic forecasting. IJCAI Int. Jt. Conf. Artif. Intell. 2018-July, 3634–3640 (2018).

  4. Li, Y., Yu, R., Shahabi, C. & Liu, Y. Diffusion convolutional recurrent neural network: Data-driven traffic forecasting. 6th Int. Conf. Learn. Represent. ICLR 2018 – Conf. Track Proc. 1–16 (2018).

  5. Geng, X. et al. Spatiotemporal Multi-Graph Convolution Network for Ride-Hailing Demand ForecastinGeng, X., Li, Y., Wang, L., Zhang, L., Yang, Q., Ye, J., & Liu, Y. (2019). 

  6. Qi, Y., Li, Q., Karimian, H. & Liu, D. A hybrid model for spatiotemporal forecasting of PM 2.5 based on graph convolutional neural network and long short-term memory. Sci. Total Environ. 664, 1–10 (2019).

  7. Wang, S. et al. PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network for PM2.5 Forecasting. in GIS: Proceedings of the ACM International Symposium on Advances in Geographic Information Systems 163–166 (ACM, 2020). doi:10.1145/3397536.3422208.

  8. Wu, Y., Zhuang, D., Labbe, A. & Sun, L. Inductive Graph Neural Networks for Spatiotemporal Kriging. (2020).

  9. Wang, C., Zhu, Y., Zang, T., Liu, H. & Yu, J. Modeling Inter-station Relationships with Attentive Temporal Graph Convolutional Network for Air Quality Prediction. WSDM 2021 – Proc. 14th ACM Int. Conf. Web Search Data Min. 616–624 (2021) doi:10.1145/3437963.3441731.

  10. Zhou, H., Zhang, F., Du, Z. & Liu, R. A theory-guided graph networks based PM2.5 forecasting method. Environ. Pollut. 293, 118569 (2022).

  11. Bai, L., Yao, L., Li, C., Wang, X. & Wang, C. Adaptive graph convolutional recurrent network for traffic forecasting. Adv. Neural Inf. Process. Syst. 2020-Decem, 1–16 (2020).

  12. Wu, Z., Pan, S., Long, G., Jiang, J. & Zhang, C. Graph wavenet for deep spatial-temporal graph modeling. IJCAI Int. Jt. Conf. Artif. Intell. 2019-Augus, 1907–1913 (2019).





直播信息




时间

2022年2月22日（周二）晚上19:00-21:00


参与方式

  • 文末扫码参加地球系统科学读书会，加入群聊，获取系列读书会回看权限，成为地球系统科学社区种子用户，与其他的科研工作者沟通交流，共同推动地球系统科学的发展。
  • 集智俱乐部 B 站免费直播，扫码可预约。

扫码报名


地球系统科学读书会招募中


地球科学是研究相互作用的大气圈、水圈、岩石圈和生物圈等组成的地球系统的形成、演化机制的学科。随着地球系统科学的不断发展，许多新方法被广泛地应用于分析和解决许多的地球系统科学问题。为了推进地球系统科学研究，集智俱乐部特联合气象学家和气象汇公众号联合发起筹备地球系统科学的主题读书会。

本读书会由邓琪敏、张钢锋、王硕、许菁等一线研究者共同发起的「地球系统科学」系列读书会，将组织大家系统地研究这些以统计物理方法、深度学习方法为核心在地球系统科学中应用的相关文献，深入研读相关文献，激发科研灵感。在每周二晚在线进行论文分享与讨论，共读共享。欢迎对地球系统科学感兴趣的朋友报名参与读书会，一起研读硬核内容！欢迎大家报名参加呀！

读书会大纲：

地球系统科学概览介绍——陈德亮院士
  1. 统计物理部分
  • 气候网络和渗流相变研究地球系统
  • 统计物理和本征微观态在地球系统的中应用

  • 由多个子系统耦合的地球系统

  • 极端天气的同步现象

  • 地球系统中的归因

  • 地球系统的临界问题

  1. 深度学习部分

  • 综述

  • 时空卷积网络

  • 时空图神经网络

  • 神经微分/偏微分方程

  • 地球系统科学因果推断


「地球系统科学」系列读书会参与方式


本次读书会适合的参与对象：

  • 基于复杂系统相关学科研究，对地球系统科学相关研究有浓厚兴趣的科研工作者；

  • 能熟练阅读英文文献，并对复杂科学充满激情，对世界的本质充满好奇的探索者；

  • 欢迎基于读书会所列文本和文献的具体探讨，提供适合的文献和主题的朋友；


运行模式

每 1 周由 1-2 名读书会成员领读相关论文，进行线上会议，与会者可以广泛参与讨论（以 PPT 讲解的形式，直播间互动交流）。


时间：

从2021年12月14日开始，每周二晚上19:00-21:00，持续时间预计 7-8 周。


方式：

此次读书会为线上闭门读书会，采用的会议软件是腾讯会议（请提前下载安装）。在扫码完成报名并添加负责人微信后，负责人将其拉入群聊，入群后告知具体的会议号码。


费用：

为了过滤一些非专业人士，甄选出真正对地球系统科学研究感兴趣、有相关研究经验的专业人士，保证读书会研讨质量，也为了激励大家学习、分享、总结，本期读书会将采取收费 – 退款的保证金模式。

报名步骤

扫码报名

第一步：扫码填写报名信息。

第二步：填写信息后，进入付款流程，提交保证金299元。（符合退费条件后可退费）

第三步：添加负责人微信，拉入对应的读书会讨论群。

（我们也会对每次分享的内容进行录制，剪辑后发布在集智学园官网上，供读书会成员回看）


推荐阅读



点击“阅读原文”，报名直播