論文の概要: A Framework for Evaluating PM2.5 Forecasts from the Perspective of Individual Decision Making
- arxiv url: http://arxiv.org/abs/2409.05866v1
- Date: Mon, 9 Sep 2024 17:59:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-10 13:36:22.873686
- Title: A Framework for Evaluating PM2.5 Forecasts from the Perspective of Individual Decision Making
- Title（参考訳）: 個人意思決定からみたPM2.5予測評価フレームワーク
- Authors: Renato Berlinghieri, David R. Burt, Paolo Giani, Arlene M. Fiore, Tamara Broderick,
- Abstract要約: 気候変動によって森林火災の頻度が増加し、大気汚染によって健康リスクが生じる。
我々は, 個別意思決定の文脈において, 大陸内における細かな物質(PM2.5)の既往の予測を評価した。
- 参考スコア（独自算出の注目度）: 15.759815530683465
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wildfire frequency is increasing as the climate changes, and the resulting air pollution poses health risks. Just as people routinely use weather forecasts to plan their activities around precipitation, reliable air quality forecasts could help individuals reduce their exposure to air pollution. In the present work, we evaluate several existing forecasts of fine particular matter (PM2.5) within the continental United States in the context of individual decision-making. Our comparison suggests there is meaningful room for improvement in air pollution forecasting, which might be realized by incorporating more data sources and using machine learning tools. To facilitate future machine learning development and benchmarking, we set up a framework to evaluate and compare air pollution forecasts for individual decision making. We introduce a new loss to capture decisions about when to use mitigation measures. We highlight the importance of visualizations when comparing forecasts. Finally, we provide code to download and compare archived forecast predictions.
- Abstract（参考訳）: 気候変動によって森林火災の頻度が増加し、大気汚染によって健康リスクが生じる。
天気予報が降水に関する活動を計画するのと同じように、信頼性の高い大気質予測は、個人が大気汚染に曝されることを減らすのに役立つ。
本研究は, 大陸内における細かな物質(PM2.5)の予測を, 個別意思決定の文脈で評価するものである。
比較では、より多くのデータソースを取り入れ、機械学習ツールを使用することで実現可能な大気汚染予測の改善に意義ある余地があることを示唆している。
将来の機械学習開発とベンチマークを容易にするため,個別意思決定のための大気汚染予測を評価・比較するための枠組みを構築した。
我々は、緩和策をいつ使うかという決定を捉えるために、新たな損失を導入する。
予測を比較する際に可視化の重要性を強調した。
最後に、アーカイブされた予測予測をダウンロードして比較するためのコードを提供します。
関連論文リスト
- FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。
我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。
日時から季節時の予測誤差成長に関するアブレーション実験
論文 参考訳（メタデータ） (2024-11-15T13:44:37Z) - 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) - 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) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳（メタデータ） (2024-02-02T10:34:13Z) - FengWu-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳（メタデータ） (2024-01-28T13:23:25Z) - Air Quality Forecasting Using Machine Learning: A Global perspective
with Relevance to Low-Resource Settings [0.0]
大気汚染は世界第4位の死因である。
本研究では,2ヶ月の空気質データを用いた高精度な空気質予測のための新しい機械学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-09T05:52:02Z) - Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。
我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。
我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-02T17:13:16Z) - Interpretable and Transferable Models to Understand the Impact of
Lockdown Measures on Local Air Quality [5.273501657421094]
新型コロナウイルス(COVID-19)関連のロックダウン対策は、経済活動や交通の変化が環境空気の質に与える影響を理解するユニークな機会を提供する。
地上の大気汚染モニタリングステーションからの測定値を用いて,ロックダウン期間における汚染の低減を推定する。
我々は,スイスと中国における大気汚染測定所のデータについて,現状の成果が得られたことを示す。
論文 参考訳（メタデータ） (2020-11-19T23:09:30Z) - 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)
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。