論文の概要: A Framework for Scalable Ambient Air Pollution Concentration Estimation
- arxiv url: http://arxiv.org/abs/2401.08735v1
- Date: Tue, 16 Jan 2024 18:03:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 18:16:00.836633
- Title: A Framework for Scalable Ambient Air Pollution Concentration Estimation
- Title(参考訳): スケーラブル環境大気汚染濃度推定のための枠組み
- Authors: Liam J Berrisford, Lucy S Neal, Helen J Buttery, Benjamin R Evans,
Ronaldo Menezes
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ambient air pollution remains a critical issue in the United Kingdom, where
data on air pollution concentrations form the foundation for interventions
aimed at improving air quality. However, the current air pollution monitoring
station network in the UK is characterized by spatial sparsity, heterogeneous
placement, and frequent temporal data gaps, often due to issues such as power
outages. We introduce a scalable data-driven supervised machine learning model
framework designed to address temporal and spatial data gaps by filling missing
measurements. This approach provides a comprehensive dataset for England
throughout 2018 at a 1kmx1km hourly resolution. Leveraging machine learning
techniques and real-world data from the sparsely distributed monitoring
stations, we generate 355,827 synthetic monitoring stations across the study
area, yielding data valued at approximately \pounds70 billion. Validation was
conducted to assess the model's performance in forecasting, estimating missing
locations, and capturing peak concentrations. The resulting dataset is of
particular interest to a diverse range of stakeholders engaged in downstream
assessments supported by outdoor air pollution concentration data for NO2, O3,
PM10, PM2.5, and SO2. This resource empowers stakeholders to conduct studies at
a higher resolution than was previously possible.
- Abstract(参考訳): 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。
しかし、現在の英国における大気汚染監視局のネットワークは、空間的空間性、不均一な配置、そしてしばしば停電などの問題により、時間的データギャップが特徴的である。
本稿では,時間的および空間的なデータギャップに対処するために,データ駆動型教師付き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1kmx1kmの時間分解能でイングランドに包括的なデータセットを提供する。
分散した監視ステーションからの機械学習技術と実世界のデータを活用することで、研究エリア全体で355,827の総合監視ステーションを生成し、約700億ポンドの価値があるデータを得る。
モデルの性能を予測し, 行方不明地点を推定し, ピーク濃度を推定するための検証を行った。
得られたデータセットは、NO2, O3, PM10, PM2.5, SO2の大気汚染濃度データによって支持される下流アセスメントに関わる様々な利害関係者に特に関心がある。
このリソースにより、利害関係者は以前よりも高い解像度で研究を行うことができる。
関連論文リスト
- A Data-Driven Supervised Machine Learning Approach to Estimating Global
Ambient Air Pollution Concentrations With Associated Prediction Intervals [0.0]
我々は、時間的および空間的計測の欠如を示唆するスケーラブルでデータ駆動型の教師あり機械学習フレームワークを開発した。
このモデルは, 時間的および空間的計測の欠如を示唆し, NO$, O$_3$, PM$_10$, PM$_2.5$, SO$などの汚染物質の包括的データセットを生成するように設計されている。
モデルの性能について検討し,今後のモニタリングステーションの戦略的配置に関する洞察と勧告を提供する。
論文 参考訳(メタデータ) (2024-02-15T11:09:22Z) - 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) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳(メタデータ) (2023-08-14T16:48:57Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - Detecting Elevated Air Pollution Levels by Monitoring Web Search
Queries: Deep Learning-Based Time Series Forecasting [7.978612711536259]
以前の研究は、地上モニターや気象データから収集した汚染物質濃度を長期予測のモデルに頼っていた。
本研究では,主要な検索エンジンからほぼリアルタイムで公開されているWeb検索データを用いて,観測された汚染レベルを推定するモデルを開発し,検証することを目的とする。
従来型の教師付き分類法と最先端の深層学習法を併用して,米国の都市レベルで大気汚染レベルの上昇を検出する機械学習モデルを開発した。
論文 参考訳(メタデータ) (2022-11-09T23:56:35Z) - Predicting air quality via multimodal AI and satellite imagery [0.2492060267829796]
本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。
欧州大気汚染監視局(ESA Copernicus)プロジェクトからtextitaltitude, population, etc.$などの機能を備えた新しい欧州汚染監視局(ECA)のデータセットが作成されている。
これらの予測は、異なる地域における空気の質を比較するのに使用できる「空気品質指標」を作成するために集約される。
論文 参考訳(メタデータ) (2022-11-01T22:56:15Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳(メタデータ) (2021-06-26T10:04:35Z) - HVAQ: A High-Resolution Vision-Based Air Quality Dataset [3.9523800511973017]
PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。
我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
論文 参考訳(メタデータ) (2021-02-18T13:42:34Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳(メタデータ) (2020-10-06T14:31:25Z) - 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。