論文の概要: Predicting Public Health Impacts of Electricity Usage

• arxiv url: http://arxiv.org/abs/2511.22031v1
• Date: Thu, 27 Nov 2025 02:33:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.359631
• Title: Predicting Public Health Impacts of Electricity Usage
• Title（参考訳）: 電力利用の公衆衛生への影響予測
• Authors: Yejia Liu, Zhifeng Wu, Pengfei Li, Shaolei Ren,
• Abstract要約: 電力部門は大気汚染物質排出量の主要な供給源であり、ほぼ全ての地域の公衆衛生に影響を及ぼしている。 私たちは、電気使用と公衆衛生成果を結びつけるエンドツーエンドパイプラインを提供する、ドメイン固有のAIモデルであるHealthPredictorを紹介します。
• 参考スコア（独自算出の注目度）: 20.400038737666545
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The electric power sector is a leading source of air pollutant emissions, impacting the public health of nearly every community. Although regulatory measures have reduced air pollutants, fossil fuels remain a significant component of the energy supply, highlighting the need for more advanced demand-side approaches to reduce the public health impacts. To enable health-informed demand-side management, we introduce HealthPredictor, a domain-specific AI model that provides an end-to-end pipeline linking electricity use to public health outcomes. The model comprises three components: a fuel mix predictor that estimates the contribution of different generation sources, an air quality converter that models pollutant emissions and atmospheric dispersion, and a health impact assessor that translates resulting pollutant changes into monetized health damages. Across multiple regions in the United States, our health-driven optimization framework yields substantially lower prediction errors in terms of public health impacts than fuel mix-driven baselines. A case study on electric vehicle charging schedules illustrates the public health gains enabled by our method and the actionable guidance it can offer for health-informed energy management. Overall, this work shows how AI models can be explicitly designed to enable health-informed energy management for advancing public health and broader societal well-being. Our datasets and code are released at: https://github.com/Ren-Research/Health-Impact-Predictor.
• Abstract（参考訳）: 電力部門は大気汚染物質排出量の主要な供給源であり、ほぼ全ての地域の公衆衛生に影響を及ぼしている。 規制措置は大気汚染物質を減らすが、化石燃料はエネルギー供給の重要な要素であり、公衆衛生への影響を減らすためにより高度な需要側アプローチの必要性を強調している。 健康インフォームド需要サイドの管理を可能にするために、私たちは、電気使用と公衆衛生成果を結びつけるエンドツーエンドパイプラインを提供するドメイン固有のAIモデルであるHealthPredictorを導入しました。 モデルには、異なる発生源の寄与を推定する燃料混合予測器と、汚染物質排出量と大気の分散をモデル化する大気質変換器と、汚染物質の変化をマネタイズされた健康被害に変換する健康影響評価器の3つのコンポーネントが含まれている。 米国内の複数の地域で、我々のヘルス駆動型最適化フレームワークは、燃料混合型ベースラインよりも公衆衛生への影響で予測誤差が大幅に低い。 電気自動車の充電スケジュールに関するケーススタディでは、我々の方法によって実現された公衆の健康増進と、健康インフォームドエネルギー管理のための実用的なガイダンスが示される。 全体として、この研究は、公衆衛生とより広範な社会的幸福を向上するために、AIモデルを健康的なエネルギー管理を可能にするように明示的に設計する方法を示している。 データセットとコードは、https://github.com/Ren-Research/Health-Impact-Predictor.comでリリースされています。

関連論文リスト

• Modeling Epidemiological Dynamics Under Adversarial Data and User Deception [44.0037509034865]
  人口と公衆衛生当局との相互作用をシグナリングゲームとしてモデル化するゲーム理論フレームワークを導入する。 個人(性別)は行動の報告方法を選択し、公衆衛生当局は潜在的に歪んだ信号に基づいて疫学モデルを更新する。 以上の結果から, 最小限の騙しドライブによる平衡の分離は, 時間とともにほぼゼロとなることがわかった。
  論文  参考訳（メタデータ） (2026-02-23T18:45:55Z)
• 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)
• An AI-driven framework for the prediction of personalised health response to air pollution [30.858937705130106]
  大気汚染は公衆衛生にとって重大な脅威となり、多くの呼吸器や心臓血管疾患を発生または悪化させる。 個人感覚の最近の進歩は、行動や生理的なデータの収集に変化をもたらした。 本研究では、ウェアラブルフィットネスデバイスからの生理データをリアルタイム環境暴露と統合することで、汚染に対する個人化された健康反応を予測する新しいワークフローを提案する。
  論文  参考訳（メタデータ） (2025-05-15T17:59:07Z)
• From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
  これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。 AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
  論文  参考訳（メタデータ） (2025-01-27T22:45:06Z)
• The Unpaid Toll: Quantifying and Addressing the Public Health Impact of Data Centers [32.67029206382299]
  AIの需要が急増し、エネルギー集約型データセンターが急速に拡大した。 データセンターの環境フットプリントの増加には大きな注意が払われているが、公衆衛生の負担はほとんど見過ごされている。 本稿では,データセンターや計算タスクのライフサイクル汚染物質排出量をモデル化する手法を提案する。
  論文  参考訳（メタデータ） (2024-12-09T08:20:11Z)
• Towards Optimal Environmental Policies: Policy Learning under Arbitrary Bipartite Network Interference [0.0]
  石炭火力発電所への排出削減介入は、汚染に関連する健康負荷を減らすための効果があるがコストがかかる戦略であることが証明されている。 任意のネットワーク干渉(BNI)の下で最適ポリシーを決定するための新しい学習手法を提案する。 年間IHD入院率は、1万人あたり23.37-55.30から、異なるコスト制約の下で最適な政策によって減少する可能性がある。
  論文  参考訳（メタデータ） (2024-10-10T20:39:53Z)
• Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
  医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。 医療資源割り当てプロトコルの普遍的な標準は存在しない。 本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:28:06Z)
• The Water Health Open Knowledge Graph [0.0]
  WHOW-KG(英: WHOW-KG)は、水消費、汚染、感染症率、薬物分布に関するデータをモデル化する意味知識グラフである。 WHOW-KGはEUが出資するWHOW(Water Health Knowledge Open)プロジェクトの文脈で開発されている。
  論文  参考訳（メタデータ） (2023-05-18T15:43:00Z)
• Intelligent Energy Management Systems -- A Review [0.0]
  家庭や職場の器具や器具を使うために電気を消費し、在宅勤務や在宅勤務時にある程度の快適さに達する。 このような問題を効果的に解決することは、環境と社会の両方に影響を及ぼす。 エネルギー消費をリアルタイムでモニタリングし、乗員のエネルギー浪費行動を変化させ、エネルギー節約シナリオを組み込んだ自動化を利用することは、世界のエネルギーフットプリントを減少させる方法である。
  論文  参考訳（メタデータ） (2022-05-16T20:10:20Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。