論文の概要: Spatiotemporal Causal Decoupling Model for Air Quality Forecasting

• arxiv url: http://arxiv.org/abs/2505.20119v1
• Date: Mon, 26 May 2025 15:21:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.560337
• Title: Spatiotemporal Causal Decoupling Model for Air Quality Forecasting
• Title（参考訳）: 大気質予測のための時空間因果分解モデル
• Authors: Jiaming Ma, Guanjun Wang, Sheng Huang, Kuo Yang, Binwu Wang, Pengkun Wang, Yang Wang,
• Abstract要約: 本研究では,大気質指数(AQI)と気象特性の因果関係をモデル化するために,既存の研究の制約を精査するために因果グラフ法を用いる。 本稿では, 因果デカップリング手法を取り入れた空気質予測モデルAirCadeを紹介する。 オープンソース空気質データセット上でのAirCadeの評価は、最先端モデルよりも20%以上改善されていることを示す。
• 参考スコア（独自算出の注目度）: 11.49002971545212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the profound impact of air pollution on human health, livelihoods, and economic development, air quality forecasting is of paramount significance. Initially, we employ the causal graph method to scrutinize the constraints of existing research in comprehensively modeling the causal relationships between the air quality index (AQI) and meteorological features. In order to enhance prediction accuracy, we introduce a novel air quality forecasting model, AirCade, which incorporates a causal decoupling approach. AirCade leverages a spatiotemporal module in conjunction with knowledge embedding techniques to capture the internal dynamics of AQI. Subsequently, a causal decoupling module is proposed to disentangle synchronous causality from past AQI and meteorological features, followed by the dissemination of acquired knowledge to future time steps to enhance performance. Additionally, we introduce a causal intervention mechanism to explicitly represent the uncertainty of future meteorological features, thereby bolstering the model's robustness. Our evaluation of AirCade on an open-source air quality dataset demonstrates over 20\% relative improvement over state-of-the-art models.
• Abstract（参考訳）: 大気汚染が人間の健康、生活、経済発展に深く影響しているため、大気質の予測は最も重要である。 当初,大気質指数(AQI)と気象特性の因果関係を包括的にモデル化するために,既存の研究の制約を精査するために因果グラフ法を用いていた。 予測精度を向上させるために,因果疎結合手法を取り入れた空気質予測モデルAirCadeを導入する。 AirCadeは時空間モジュールと知識埋め込み技術を組み合わせてAQIの内部ダイナミクスをキャプチャする。 その後、過去のAQIと気象学的特徴から同期因果関係を解き放つために因果疎結合モジュールを提案し、その後、得られた知識を将来的な時間ステップに広めて性能を高める。 さらに,今後の気象特性の不確実性を明確に表すための因果介入機構を導入し,モデルの堅牢性を高める。 オープンソースの大気質データセット上でのAirCadeの評価は、最先端モデルよりも20倍以上の相対的な改善を示している。

関連論文リスト

• Air Quality Prediction with A Meteorology-Guided Modality-Decoupled Spatio-Temporal Network [47.699409089023696]
  大気質の予測は公衆衛生と環境保護において重要な役割を担っている。 既存の研究は大気の質予測において重要な役割を過小評価している。 MDSTNetは、予測のための大気汚染依存性を明示的にキャプチャするエンコーダフレームワークである。 ChinaAirNetは、大気の質記録と多気圧レベルの気象観測を組み合わせた最初のデータセットである。
  論文  参考訳（メタデータ） (2025-04-14T09:18:11Z)
• A HEART for the environment: Transformer-Based Spatiotemporal Modeling for Air Quality Prediction [0.0]
  ルル環境は高度でスケーラブルな大気汚染予測システムである。 エンコーダとデコーダの畳み込みニューラルネットワークを含み、4つの主要な汚染物質の平均汚染レベルを予測する。 本稿では,予測精度を向上させるための注意機構を備えたニューラルネットワークの強化について検討する。
  論文  参考訳（メタデータ） (2025-02-26T10:54:27Z)
• Deep Spatio-Temporal Neural Network for Air Quality Reanalysis [17.089907362560197]
  近い将来,観測ステーションと観測ステーションの時間的再解析モデルであるAQ-Netを提案する。 細粒度空間空気質の推定を学習するために、ニューラルネットワークにAQ-Netを組み込む。
  論文  参考訳（メタデータ） (2025-02-17T15:52:22Z)
• A Generative Framework for Probabilistic, Spatiotemporally Coherent Downscaling of Climate Simulation [23.504915709396204]
  本稿では,高分解能リアナリシスデータに基づいて学習したスコアベース拡散モデルを用いて,局所気象力学の統計的特性を抽出する新しい生成フレームワークを提案する。 本研究では,地球規模の気候出力と一致した空間的・時間的気象動態をモデル化した。
  論文  参考訳（メタデータ） (2024-12-19T19:47:35Z)
• 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)
• 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)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• 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。