論文の概要: A Neural Operator for Forecasting Carbon Monoxide Evolution in Cities

• arxiv url: http://arxiv.org/abs/2501.06007v1
• Date: Fri, 10 Jan 2025 14:42:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-13 15:26:49.966123
• Title: A Neural Operator for Forecasting Carbon Monoxide Evolution in Cities
• Title（参考訳）: 都市における一酸化炭素の進化予測のためのニューラル演算子
• Authors: Sanchit Bedi, Karn Tiwari, Prathosh A. P., Sri Harsha Kota, N. M. Anoop Krishnan,
• Abstract要約: 我々は,CO濃度を効率的に予測する機械学習モデルである,空気品質のための複雑ニューラル演算子(CoNOAir)を紹介した。 CoNOAirは、フーリエニューラルオペレータ(FNO)のような最先端モデルよりも優れたパフォーマンスを示す 極度の汚染イベントを捉え、複数のインドの都市で一貫して活動し、1時間あたりのCO予測で0.95以上のR2を達成している。
• 参考スコア（独自算出の注目度）: 7.839838045175125
• License:
• Abstract: Real-time forecasting of carbon monoxide (CO) concentrations is essential for enabling timely interventions to improve urban air quality. Conventional air quality models often require extensive computational resources for accurate, multi-scale predictions, limiting their practicality for rapid, real-time application. To address this challenge, we introduce the Complex Neural Operator for Air Quality (CoNOAir), a machine learning model that forecast CO concentrations efficiently. CoNOAir demonstrates superior performance over state-of-theart models, such as the Fourier Neural Operator (FNO), in both short-term (hourly) and extended (72-hour) forecasts at a national scale. It excels in capturing extreme pollution events and performs consistently across multiple Indian cities, achieving an R2 above 0.95 for hourly CO predictions across all evaluated locations. CoNOAir equips authorities with an effective tool for issuing early warnings and designing targeted intervention strategies. This work marks a step forward in achieving dependable, real-time CO pollution predictions for densely populated urban centres.
• Abstract（参考訳）: 一酸化炭素(CO)濃度のリアルタイム予測は、都市大気質改善のための時間的介入を可能にするために不可欠である。 従来の空気質モデルは、精度の高いマルチスケールの予測のために広範囲な計算資源を必要とし、高速でリアルタイムな応用のためにその実用性を制限している。 この課題に対処するために,CO濃度を効率的に予測する機械学習モデルである複合的空気品質演算子(CoNOAir)を紹介した。 CoNOAirは、FNO(Fourier Neural Operator)のような最先端のモデルよりも、短期(時間)および拡張(72時間)の予測を国家規模で示す。 極端に汚染された出来事を捉え、複数のインドの都市で連続して活動し、評価された全ての場所のCO予測に0.95以上のR2を達成している。 CoNOAirは、早期警告を発し、標的とする介入戦略を設計するための効果的なツールを当局に提供する。 この研究は、人口密度の高い都市部において、信頼性の高いリアルタイムCO汚染予測を達成するための一歩となる。

関連論文リスト

• 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)
• A Comprehensive Approach to Carbon Dioxide Emission Analysis in High Human Development Index Countries using Statistical and Machine Learning Techniques [4.106914713812204]
  世界規模の二酸化炭素排出量を効果的に削減するためには、二酸化炭素排出量の傾向を予測し、その排出量パターンに基づいて国を分類することが不可欠だ」と述べた。 本稿では,HDI(Human Development Index)を有する20カ国におけるCO2排出量の決定要因について,25年間にわたる経済,環境,エネルギー利用,再生可能資源に関連する要因について,詳細な比較研究を行った。
  論文  参考訳（メタデータ） (2024-05-01T21:00:02Z)
• 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)
• Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
  気象予報に拡散モデル(DM)を適用した新しい手法を提案する。 提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。 我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
  論文  参考訳（メタデータ） (2024-02-06T21:28:42Z)
• 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)
• 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)
• Spatiotemporal Graph Convolutional Recurrent Neural Network Model for Citywide Air Pollution Forecasting [0.0]
  大気汚染は様々な方法で変化し、多くの複雑な要因に依存する。 画像に基づく表現は、大気汚染やその他の影響要因が自然なグラフ構造を持つため理想的ではないかもしれない。 グラフ畳み込みネットワーク(GCN: Graph Convolutional Network)は、都市全体における空気質の読み出しの空間的特徴を効率的に表現することができる。 本手法は, 実環境大気汚染データを用いたハイブリッドGCN法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-25T07:57:07Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Skillful Twelve Hour Precipitation Forecasts using Large Context Neural Networks [8.086653045816151]
  現在の運用予測モデルは物理に基づいており、大気をシミュレートするためにスーパーコンピュータを使用している。 ニューラルネットワークに基づく新しい気象モデルのクラスは、天気予報のパラダイムシフトを表している。 最大12時間前に降水予測が可能なニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-11-14T22:53:04Z)
• Conditional Generative Adversarial Networks to Model Urban Outdoor Air Pollution [0.8122270502556374]
  本稿では, 所定の分類に従って, 合成二酸化窒素の日時系列を生成できるモデルを訓練することを提案する。 提案手法は, 計算時間削減を必要としながら, 高精度で多彩な毎日の汚染時系列を生成することができる。
  論文  参考訳（メタデータ） (2020-10-05T18:01:10Z)

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。