論文の概要: Comprehensive Monitoring of Air Pollution Hotspots Using Sparse Sensor Networks
- arxiv url: http://arxiv.org/abs/2410.04309v2
- Date: Wed, 20 Nov 2024 23:55:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:17:13.762843
- Title: Comprehensive Monitoring of Air Pollution Hotspots Using Sparse Sensor Networks
- Title（参考訳）: スパースセンサネットワークを用いた大気汚染ホットスポットの総合モニタリング
- Authors: Ankit Bhardwaj, Ananth Balashankar, Shiva Iyer, Nita Soans, Anant Sudarshan, Rohini Pande, Lakshminarayanan Subramanian,
- Abstract要約: 2018年5月1日から2020年11月1日までの30ヶ月にわたって、New Delhiの既存のセンサネットワークを28の低コストセンサーで拡張し、PM2.5データを収集しました。
このデータに定式化されたホットスポットの定義を適用すると、公共ネットワークによって検出された660個のホットスポットの確認とは別に、189個の隠れホットスポットが存在することが判明した。
この結果から,データ駆動予測モデルと物理に基づく力学モデルを統合することの重要性が示唆された。
- 参考スコア（独自算出の注目度）: 5.964549794346141
- License:
- Abstract: Urban air pollution hotspots pose significant health risks, yet their detection and analysis remain limited by the sparsity of public sensor networks. This paper addresses this challenge by combining predictive modeling and mechanistic approaches to comprehensively monitor pollution hotspots. We enhanced New Delhi's existing sensor network with 28 low-cost sensors, collecting PM2.5 data over 30 months from May 1, 2018, to Nov 1, 2020. Applying established definitions of hotspots to this data, we found the existence of additional 189 hidden hotspots apart from confirming 660 hotspots detected by the public network. Using predictive techniques like Space-Time Kriging, we identified hidden hotspots with 95% precision and 88% recall with 50% sensor failure rate, and with 98% precision and 95% recall with 50% missing sensors. The projected results of our predictive models were further compiled into policy recommendations for public authorities. Additionally, we developed a Gaussian Plume Dispersion Model to understand the mechanistic underpinnings of hotspot formation, incorporating an emissions inventory derived from local sources. Our mechanistic model is able to explain 65% of observed transient hotspots. Our findings underscore the importance of integrating data-driven predictive models with physics-based mechanistic models for scalable and robust air pollution management in resource-constrained settings.
- Abstract（参考訳）: 都市大気汚染ホットスポットは、重大な健康リスクをもたらすが、その検出と分析は、公共センサネットワークの間隔によって制限されている。
本稿では,汚染ホットスポットを包括的に監視するための予測モデリングと機械的アプローチを組み合わせることで,この問題に対処する。
2018年5月1日から2020年11月1日までの30ヶ月にわたって、New Delhiの既存のセンサネットワークを28の低コストセンサーで拡張し、PM2.5データを収集しました。
このデータに定式化されたホットスポットの定義を適用すると、公共ネットワークによって検出された660個のホットスポットの確認とは別に、189個の隠れホットスポットが存在することが判明した。
Space-Time Krigingのような予測手法を用いて、95%の精度と88%のリコール、50%のセンサー故障率、98%の精度と95%のリコール、50%のセンサー欠如のある隠れホットスポットを特定しました。
予測モデルの予測結果は、さらに公共機関の政策勧告にまとめられた。
さらに,ホットスポット形成の機械的基盤を理解するためのガウス的プルーム分散モデルを開発し,地域資源からのエミッションインベントリを取り入れた。
我々の力学モデルは、観測された過渡ホットスポットの65%を説明できる。
この結果から,データ駆動予測モデルと物理に基づく力学モデルを統合することの重要性が示唆された。
関連論文リスト
- Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Air Quality Sensor Fusion [6.963971634605796]
本稿では,グラフ構造データに対する回帰処理に適した新しいunsupervised domain adapt(UDA)手法を提案する。
センサ間の関係をモデル化するために、時空間グラフニューラルネットワーク(STGNN)を組み込んだ。
弊社のアプローチでは、安価なIoTセンサが高価な参照センサから校正パラメータを学習できる。
論文 参考訳（メタデータ） (2024-11-11T12:20:57Z) - Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Air Pollution Hotspot Detection and Source Feature Analysis using
Cross-domain Urban Data [2.458537954999774]
汚染源に隣接する地域はしばしば環境汚染濃度が高く、これらは一般に大気汚染ホットスポットと呼ばれる。
本稿では,局所的なスパイク検出とサンプル重み付けクラスタリングを含む,モバイルセンシングデータからホットスポットを検出する2段階のアプローチを提案する。
ソフトバリデーションとして,モバイルセンシングデータを使用しない都市を対象としたホットスポット推定モデルを構築した。
論文 参考訳（メタデータ） (2022-11-15T18:44:03Z) - Hybrid Cloud-Edge Collaborative Data Anomaly Detection in Industrial
Sensor Networks [16.06269863500741]
本稿では,クラウドエッジ協調産業センサネットワークにおけるハイブリッド異常検出手法を提案する。
提案されたアプローチは、全体的なリコールの11.19%の増加と、F1スコアの14.29%の改善を達成することができる。
論文 参考訳（メタデータ） (2022-04-21T08:03:22Z) - A deep mixture density network for outlier-corrected interpolation of
crowd-sourced weather data [3.1542695050861544]
本稿では,自動検出による環境変数のベイズ時間モデリングのための深層学習手法を提案する。
例を挙げると、1900年頃のイギリス諸島の民間の気象観測所と非公式の気象観測所のアーカイブである気象観測サイト(Met Office's Weather Observation Website)のデータを用いています。
論文 参考訳（メタデータ） (2022-01-25T18:54:59Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Neural Network Virtual Sensors for Fuel Injection Quantities with
Provable Performance Specifications [71.1911136637719]
証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。
本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
論文 参考訳（メタデータ） (2020-06-30T23:33:17Z) - 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)
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。