Fugu-MT 論文翻訳(概要): PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting

論文の概要: PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting

arxiv url: http://arxiv.org/abs/2002.12898v2
Date: Mon, 11 Oct 2021 10:20:31 GMT
ステータス: 処理完了
システム内更新日: 2023-01-02 09:51:42.096089
Title: PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting
Title（参考訳）: PM2.5-GNN:PM2.5予測のためのドメイン知識強化グラフニューラルネットワーク
Authors: Shuo Wang, Yanran Li, Jiang Zhang, Qingye Meng, Lingwei Meng, Fei Gao
Abstract要約: 我々は,長期依存を捕捉できる新しいグラフベースモデルPM2.5-GNNを開発した。提案したモデルは、無料の予測サービスを提供するためにオンラインで展開されている。
参考スコア（独自算出の注目度）: 15.587337304295819
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: When predicting PM2.5 concentrations, it is necessary to consider complex information sources since the concentrations are influenced by various factors within a long period. In this paper, we identify a set of critical domain knowledge for PM2.5 forecasting and develop a novel graph based model, PM2.5-GNN, being capable of capturing long-term dependencies. On a real-world dataset, we validate the effectiveness of the proposed model and examine its abilities of capturing both fine-grained and long-term influences in PM2.5 process. The proposed PM2.5-GNN has also been deployed online to provide free forecasting service.
Abstract（参考訳）: PM2.5濃度の予測には, 長期にわたる様々な要因の影響を受け, 複雑な情報ソースを検討する必要がある。本稿では,PM2.5予測のための重要な領域知識の集合を同定し,長期依存の把握が可能な新しいグラフベースモデルPM2.5-GNNを開発する。実世界のデータセットでは,提案モデルの有効性を検証し,pm2.5プロセスにおける細粒度および長期的影響を捉える能力について検討する。提案されているPM2.5-GNNも、無料の予測サービスを提供するためにオンラインで展開されている。

関連論文リスト

Advancing operational PM2.5 forecasting with dual deep neural networks (D-DNet) [0.3848364262836075]
本稿では,リアルタイム観測を効率的に統合するD-DNet予測とデータ同化システムを提案する。 D-DNetはPM2.5とAOD550のグローバルな運用予測に優れており、2019年全体を通して一貫した精度を維持している。これは、Copernicus Atmosphere Monitoring Service (CAMS) 4D-Varの運用予測システムよりも明らかに高い効率を示す。
論文参考訳（メタデータ） (2024-06-27T13:14:20Z)
F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文参考訳（メタデータ） (2024-06-23T21:28:50Z)
Uncertainty Quantification over Graph with Conformalized Graph Neural Networks [52.20904874696597]
グラフニューラルネットワーク(GNN)は、グラフ構造化データに基づく強力な機械学習予測モデルである。 GNNには厳密な不確実性見積が欠如しており、エラーのコストが重要な設定での信頼性の高いデプロイメントが制限されている。本稿では,共形予測(CP)をグラフベースモデルに拡張した共形GNN(CF-GNN)を提案する。
論文参考訳（メタデータ） (2023-05-23T21:38:23Z)
Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文参考訳（メタデータ） (2022-04-18T09:25:06Z)
2.5D Visual Relationship Detection [142.69699509655428]
2.5D視覚関係検出(2.5VRD)に関する研究一般的なVRDとは異なり、2.5VRDは自我中心であり、カメラの視点をすべての2.5D関係の共通参照として利用する。 1k画像から512kオブジェクト間の220kの2.5d関係からなる新しいデータセットを作成する。
論文参考訳（メタデータ） (2021-04-26T17:19:10Z)
A Novel Prediction Approach for Exploring PM2.5 Spatiotemporal Propagation Based on Convolutional Recursive Neural Networks [7.131106953836335]
PM2.5の伝播予測システムは、地域社会への健康影響を減らす早期警戒システムとして、より詳細で正確な情報を提供する。本研究は,台湾の大気質モニタリングシステムのデータセットを用いて行った。一般に、測定ノード間の結合を空間的にも時間的にも考慮し、正確な予測結果を提供することができる。
論文参考訳（メタデータ） (2021-01-15T17:00:04Z)
A Novel Hybrid Framework for Hourly PM2.5 Concentration Forecasting Using CEEMDAN and Deep Temporal Convolutional Neural Network [2.2175470459999636]
本研究では,適応雑音を伴う完全アンサンブル経験モード分解に基づくハイブリッド予測モデルを開発した。提案したceemdan-deeptcnモデルの予測精度は,時系列モデル,ニューラルネットワーク,一般的なディープラーニングモデルと比較して高い値であることが確認された。新しいモデルではPM2.5関連因子データパターンをモデル化し,PM2.5濃度を予測するための有望なツールとして利用できる。
論文参考訳（メタデータ） (2020-12-07T15:22:01Z)
Dense Forecasting of Wildfire Smoke Particulate Matter Using Sparsity Invariant Convolutional Neural Networks [2.2835610890984164]
野火煙による微粒子物質(PM 2.5)の予測は、公衆の心肺健康を守るために重要である。既存の予測システムは、まばらで不正確な地上の真実に基づいて訓練されており、重要な空間帰納バイアスを十分に活用していない。本稿では,多タスク学習を利用してPM2.5値の密度予測を行う畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-09-23T20:13:35Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)
Analytical Equations based Prediction Approach for PM2.5 using Artificial Neural Network [0.0]
粒子状物質(PM2.5)は大気質指数(AQI)を測定する重要な粒子状汚染物質の一つである。 PM2.5をモニターするために空気質監視局が使用する従来の機器は、コストが高く、かさばる、時間を消費し、電力を消費する。本稿では,ニューラルネットワーク(ANN)を用いたPM2.5の解析式に基づく予測手法を提案する。
論文参考訳（メタデータ） (2020-02-26T11:39:18Z)
Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
論文参考訳（メタデータ） (2020-02-26T06:10:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。