論文の概要: SOCAIRE: Forecasting and Monitoring Urban Air Quality in Madrid

• arxiv url: http://arxiv.org/abs/2011.09741v1
• Date: Thu, 19 Nov 2020 09:39:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 20:23:04.581293
• Title: SOCAIRE: Forecasting and Monitoring Urban Air Quality in Madrid
• Title（参考訳）: socaire:マドリードの都市空気質の予測とモニタリング
• Authors: Rodrigo de Medrano, V\'ictor de Buen Remiro, Jos\'e L. Aznarte
• Abstract要約: 本稿では,ニューラルネットワーク,統計モデル,ネストモデルに基づく運用ツールであるSOCAIREを提案する。 大気汚染の過去の濃度、人間の活動、数値汚染の推定、数値天気予報など、大気汚染に影響を及ぼす可能性のある各コンポーネントをモデル化することに焦点を当てている。 このツールは現在マドリードで運用されており、48時間にわたって毎日の空気の質を予測している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Air quality has become one of the main issues in public health and urban planning management, due to the proven adverse effects of high pollutant concentrations. Considering the mitigation measures that cities all over the world are taking in order to face frequent low air quality episodes, the capability of foreseeing future pollutant concentrations is of great importance. Through this paper, we present SOCAIRE, an operational tool based on a Bayesian and spatiotemporal ensemble of neural and statistical nested models. SOCAIRE integrates endogenous and exogenous information in order to predict and monitor future distributions of the concentration for several pollutants in the city of Madrid. It focuses on modeling each and every available component which might play a role in air quality: past concentrations of pollutants, human activity, numerical pollution estimation, and numerical weather predictions. This tool is currently in operation in Madrid, producing daily air quality predictions for the next 48 hours and anticipating the probability of the activation of the measures included in the city's official air quality \no protocols through probabilistic inferences about compound events.
• Abstract（参考訳）: 大気汚染濃度が高いことによる悪影響が証明されているため、大気汚染は公衆衛生と都市計画管理の主要な問題の一つとなっている。 世界中の都市が頻繁な低空気質のエピソードに直面するための緩和策を考えると、将来の汚染物質濃度を予測できる能力は非常に重要である。 本稿では,ニューラルモデルと統計的ネストモデルのベイズ的・時空間的アンサンブルに基づく操作ツールであるsocaireを提案する。 SOCAIREは内因性および外因性情報を統合し、マドリード市内のいくつかの汚染物質に対する将来的な濃度分布を予測する。 大気汚染物質の過去の濃度、人間の活動、数値的汚染推定、気象予報など、大気の質に寄与する可能性のある各コンポーネントのモデリングに焦点を当てている。 このツールはマドリードで現在運用中であり、48時間にわたって毎日の空気質予測を行い、複合イベントに関する確率的推論を通じて市の公式空気質 \noプロトコルに含まれる措置の活性化を予測している。

関連論文リスト

• Novel Approach for Predicting the Air Quality Index of Megacities through Attention-Enhanced Deep Multitask Spatiotemporal Learning [0.2886273197127056]
  大気汚染は、特に都市部において、世界中の人間の健康にとって最も深刻な環境脅威の1つだ。 人口1000万人を超える都市として定義されるメガシティーは、深刻な汚染のホットスポットとして頻繁に見られる。 本稿では,長期記憶ネットワークに基づく注意力強化型ディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2024-07-15T23:43:50Z)
• Urban Air Pollution Forecasting: a Machine Learning Approach leveraging Satellite Observations and Meteorological Forecasts [0.11249583407496218]
  大気汚染は公衆衛生、特に都市部において重大な脅威となる。 本研究では, センチネル5P衛星のデータ, 気象条件, トポロジカル特性を統合し, 5つの主要な汚染物質の将来レベルを予測する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-30T10:02:53Z)
• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
  英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。 欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。 このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
  論文  参考訳（メタデータ） (2024-01-16T18:03:07Z)
• Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting [0.0]
  大気汚染ベンチマークの不適切な検出は、人間や生物にとって深刻な合併症をもたらす。 DR-LSSVに基づく大気汚染予測手法を提案する。 その結果, DR-LSSV技術は大気汚染予測性能を効果的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-06-11T06:56:00Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Data-driven Real-time Short-term Prediction of Air Quality: Comparison of ES, ARIMA, and LSTM [0.0]
  歴史的データに基づく空気質の予測には,データ駆動方式を用いる。 予測精度と時間的複雑さを考慮して, 短時間の大気汚染予測ESは, ARIMAやLSTMよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2022-11-16T09:37:08Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Forecasting Future World Events with Neural Networks [68.43460909545063]
  Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。 ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。 予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
  論文  参考訳（メタデータ） (2022-06-30T17:59:14Z)
• Dynamic Price of Parking Service based on Deep Learning [68.8204255655161]
  都市部における空気質の向上は、公共団体の主な関心事の一つである。 この懸念は、大気の質と公衆衛生の間の証拠から生じる。 規制された駐車場サービスにおける動的価格の提案について述べる。
  論文  参考訳（メタデータ） (2022-01-11T20:31:35Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。