Fugu-MT 論文翻訳(概要): Air Pollution Forecasting in Bucharest

論文の概要: Air Pollution Forecasting in Bucharest

arxiv url: http://arxiv.org/abs/2511.00532v1
Date: Sat, 01 Nov 2025 12:24:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-05 16:37:26.828042
Title: Air Pollution Forecasting in Bucharest
Title（参考訳）: ブカレストにおける大気汚染予測
Authors: Dragoş-Andrei Şerban, Răzvan-Alexandru Smădu, Dumitru-Clementin Cercel,
Abstract要約: 大気汚染、特に粒子状物質2.5(PM2.5)は近年懸念が高まっている。本稿では,PM2.5の将来のレベルを予測するための機械学習モデルを設計,微調整,テスト,評価することを目的とする。
参考スコア（独自算出の注目度）: 1.7035480256339337
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Air pollution, especially the particulate matter 2.5 (PM2.5), has become a growing concern in recent years, primarily in urban areas. Being exposed to air pollution is linked to developing numerous health problems, like the aggravation of respiratory diseases, cardiovascular disorders, lung function impairment, and even cancer or early death. Forecasting future levels of PM2.5 has become increasingly important over the past few years, as it can provide early warnings and help prevent diseases. This paper aims to design, fine-tune, test, and evaluate machine learning models for predicting future levels of PM2.5 over various time horizons. Our primary objective is to assess and compare the performance of multiple models, ranging from linear regression algorithms and ensemble-based methods to deep learning models, such as advanced recurrent neural networks and transformers, as well as large language models, on this forecasting task.
Abstract（参考訳）: 大気汚染、特に粒子状物質2.5(PM2.5)は近年、都市部を中心に懸念が高まっている。大気汚染にさらされると、呼吸器疾患、心血管障害、肺機能障害、がんや早期死亡など、多くの健康問題が発生する。 PM2.5の予測は、早期警戒や病気の予防に役立つため、ここ数年でますます重要になっている。本稿では,様々な時間的地平線上でPM2.5の将来のレベルを予測する機械学習モデルを設計,微調整,テスト,評価することを目的とする。我々の主な目的は、線形回帰アルゴリズムやアンサンブルに基づく手法から、先進的なリカレントニューラルネットワークやトランスフォーマーなどのディープラーニングモデル、そしてこの予測タスクにおける大規模言語モデルまで、複数のモデルの性能を評価し比較することである。

関連論文リスト

Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
論文参考訳（メタデータ） (2025-10-28T01:18:00Z)
A comparison between geostatistical and machine learning models for spatio-temporal prediction of PM2.5 data [0.0]
PM2.5$の高濃度への曝露は、呼吸や心血管系病院の入院の増加、救急部門の訪問や死亡の増大と関係している。伝統的な空気質監視システムは、空間的および時間的データに制限がある。低コストセンサーの出現により、空気品質データの粒度が劇的に向上し、リアルタイムで高解像度なモニタリングが可能になった。この研究は、PurpleAirセンサーからの広範なデータを利用して、カリフォルニア州全体で正確な時間ごとのPM$_2.5$マップの作成において、様々な統計モデルと機械学習モデルの有効性を評価し、比較する。
論文参考訳（メタデータ） (2025-09-15T15:32:57Z)
Air Quality PM2.5 Index Prediction Model Based on CNN-LSTM [0.2796197251957245]
ハイブリッドCNN-LSTMアーキテクチャに基づく空気品質PM2.5指数予測モデルを提案する。このモデルは、局所空間特徴抽出のための畳み込みニューラルネットワーク(CNN)と、時系列データにおける時間的依存関係をモデル化するためのLong Short-Term Memory(LSTM)ネットワークを効果的に組み合わせている。実験の結果,5.236の根平均二乗誤差(RMSE)が得られた。
論文参考訳（メタデータ） (2025-08-15T04:46:25Z)
Reasoning or Memorization? Unreliable Results of Reinforcement Learning Due to Data Contamination [67.67725938962798]
大規模なWebスケールコーパスの事前トレーニングは、広く使用されているベンチマークでデータ汚染の影響を受けやすいQwen2.5が残る。我々はRandomCalculationと呼ばれる任意の長さと難易度を持つ完全クリーンな算術問題を生成するジェネレータを導入する。精度の高い報酬信号のみがベースモデルの性能境界を超える安定した改善をもたらすことを示す。
論文参考訳（メタデータ） (2025-07-14T17:55:15Z)
AirCast: Improving Air Pollution Forecasting Through Multi-Variable Data Alignment [46.56288727659417]
大気汚染は、急速な工業化と都市化によって悪化する世界的な健康リスクの先駆けである。本稿では,新しい多変量大気汚染予測モデルであるAirCastを紹介する。 AirCastは、大気条件と汚染物質濃度を同時に予測するマルチタスクヘッドアーキテクチャを採用している。
論文参考訳（メタデータ） (2025-02-25T07:34:18Z)
Back to the Future: GNN-based NO$_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)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文参考訳（メタデータ） (2023-03-02T17:27:45Z)
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)
Evaluation of Time Series Forecasting Models for Estimation of PM2.5 Levels in Air [0.0]
この研究では、環境中のPM2.5濃度を推定するために、ARIMA、FBProphet、LSTM、1D CNNなどのディープラーニングモデルを採用する。予測結果から,すべての手法が平均根平均二乗誤差で比較結果を与えることがわかった。
論文参考訳（メタデータ） (2021-04-07T16:24:39Z)
A Novel Prediction Approach for Exploring PM2.5 Spatiotemporal Propagation Based on Convolutional Recursive Neural Networks [7.131106953836335]
PM2.5の伝播予測システムは、地域社会への健康影響を減らす早期警戒システムとして、より詳細で正確な情報を提供する。本研究は,台湾の大気質モニタリングシステムのデータセットを用いて行った。一般に、測定ノード間の結合を空間的にも時間的にも考慮し、正確な予測結果を提供することができる。
論文参考訳（メタデータ） (2021-01-15T17:00:04Z)

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。