Fugu-MT 論文翻訳(概要): A data-driven approach to the forecasting of ground-level ozone concentration

論文の概要: A data-driven approach to the forecasting of ground-level ozone concentration

arxiv url: http://arxiv.org/abs/2012.00685v4
Date: Wed, 7 Jul 2021 12:17:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 14:42:00.629581
Title: A data-driven approach to the forecasting of ground-level ozone concentration
Title（参考訳）: 地中オゾン濃度の予測に対するデータ駆動型アプローチ
Authors: Dario Marvin, Lorenzo Nespoli, Davide Strepparava and Vasco Medici
Abstract要約: 本研究では,スイス南部におけるオゾン濃度の日頭最大値の予測に機械学習アプローチを適用した。重み付けが、オゾンの日中ピーク値の特定の範囲の予測精度を高めるのにどう役立つかを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The ability to forecast the concentration of air pollutants in an urban region is crucial for decision-makers wishing to reduce the impact of pollution on public health through active measures (e.g. temporary traffic closures). In this study, we present a machine learning approach applied to the forecast of the day-ahead maximum value of the ozone concentration for several geographical locations in southern Switzerland. Due to the low density of measurement stations and to the complex orography of the use case terrain, we adopted feature selection methods instead of explicitly restricting relevant features to a neighbourhood of the prediction sites, as common in spatio-temporal forecasting methods. We then used Shapley values to assess the explainability of the learned models in terms of feature importance and feature interactions in relation to ozone predictions; our analysis suggests that the trained models effectively learned explanatory cross-dependencies among atmospheric variables. Finally, we show how weighting observations helps in increasing the accuracy of the forecasts for specific ranges of ozone's daily peak values.
Abstract（参考訳）: 都市部における大気汚染物質濃度の予測能力は、アクティブな対策(仮交通閉鎖など)を通じて公衆衛生への影響を減らしたいという意思決定者にとって重要である。本研究では,スイス南部のいくつかの地理的な場所において,オゾン濃度の日頭最大値の予測に機械学習アプローチを適用した。測定ステーションの密度の低さとユースケース地形の複雑なオーログラフィーのため,時空間予測法でよく見られるように,予測地点の近傍に特色を明示的に限定するのではなく,特徴選択法を採用した。次に, オゾン予測に関する特徴重要度と特徴相互作用の観点から, 学習モデルの説明可能性を評価するためにShapley値を用い, 実験結果から, 学習モデルが大気変数間の説明的相互依存性を効果的に学習したことが示唆された。最後に,重み付け観測がオゾンの日平均ピーク値の特定範囲の予測精度を向上させるのにどのように役立つかを示す。

関連論文リスト

Ozone level forecasting in Mexico City with temporal features and interactions [0.0]
本研究は,メキシコシティにおけるオゾン濃度の予測における複数の回帰モデルの精度を比較した。その結果,時間的特徴と相互作用を取り入れることで,モデルの精度が向上することが示唆された。
論文参考訳（メタデータ） (2024-11-04T20:08:08Z)
Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文参考訳（メタデータ） (2024-09-11T19:31:56Z)
MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文参考訳（メタデータ） (2024-08-20T13:45:49Z)
Enhancing multivariate post-processed visibility predictions utilizing CAMS forecasts [0.0]
天気予報には視界のアンサンブル予測が組み込まれている。予測の信頼性と精度を高めるために、後処理が推奨される。本研究は, 後処理後の予測が, 生・気候予測よりもかなり優れていることを確認した。
論文参考訳（メタデータ） (2024-06-20T09:57:49Z)
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)
Explainable Graph Neural Networks for Observation Impact Analysis in Atmospheric State Estimation [1.7410069559220338]
観測点と数値気象予報点を気象グラフに統合し,NWP点を中心とした$k$-hopのサブグラフを抽出する。自己監督型GNNは、これらの$k$-hop radii内のデータを集約することで大気状態を推定するために使用される。本研究は、推定過程における異なる観測の意義を定量化するために、勾配に基づく説明可能性法を適用した。
論文参考訳（メタデータ） (2024-03-26T05:10:47Z)
CloudNine: Analyzing Meteorological Observation Impact on Weather Prediction Using Explainable Graph Neural Networks [1.9019250262578853]
CloudNine'は、説明可能なグラフニューラルネットワーク(XGNN)に基づく特定の予測に対する個々の観測の影響の分析を可能にする本研究では,地球系の3次元空間における観測をWebアプリケーションで探索し,個々の観測が特定の空間領域や時間領域における予測に与える影響を可視化する。
論文参考訳（メタデータ） (2024-02-21T01:29:17Z)
Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文参考訳（メタデータ） (2024-01-22T14:02:56Z)
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)
Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討今後1～15日にわたって北大西洋-欧州の気象条件を予測した。より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文参考訳（メタデータ） (2022-02-10T11:37:00Z)
STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文参考訳（メタデータ） (2020-12-08T21:21:47Z)

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。