論文の概要: Real-Time Long Horizon Air Quality Forecasting via Group-Relative Policy Optimization
- arxiv url: http://arxiv.org/abs/2511.22169v1
- Date: Thu, 27 Nov 2025 07:14:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.436037
- Title: Real-Time Long Horizon Air Quality Forecasting via Group-Relative Policy Optimization
- Title（参考訳）: グループ相対的政策最適化による時間長水平空気質予測
- Authors: Inha Kang, Eunki Kim, Wonjeong Ryu, Jaeyo Shin, Seungjun Yu, Yoon-Hee Kang, Seongeun Jeong, Eunhye Kim, Soontae Kim, Hyunjung Shim,
- Abstract要約: 東アジアにおける実世界の観測と高解像度CMAQ-OBSデータセットをリリースする。
地域エラーを59.5%削減し、公衆衛生警告にとって重要なリアルタイム48-120時間の予測を可能にする。
SFTのみのベースラインと比較して、我々のモデルはF1スコアを競いながら、False Alarm Rateを47.3%削減する。
- 参考スコア（独自算出の注目度）: 20.1106821148519
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate long horizon forecasting of particulate matter (PM) concentration fields is essential for operational public health decisions. However, achieving reliable forecasts remains challenging in regions with complex terrain and strong atmospheric dynamics such as East Asia. While foundation models such as Aurora offer global generality, they often miss region-specific dynamics and rely on non-real-time inputs, limiting their practical utility for localized warning systems. To address this gap, we construct and release the real-world observations and high-resolution CMAQ-OBS dataset for East Asia, reducing regional error by 59.5% and enabling real-time 48-120 hour forecasts critical for public health alerts. However, standard point-wise objectives cannot reflect asymmetric operational costs, where false alarms deteriorate public trust while missed severe events endanger populations. This cost mismatch causes SFT models to over-predict and yield high False Alarm Rates. We introduce Group-Relative Policy Optimization (GRPO) with class-wise rewards and curriculum rollout to align predictions with operational priorities. Experimental results demonstrate that our framework significantly improves the reliability of the forecast. Compared to the SFT-only baseline, our model reduces the False Alarm Rate by 47.3% while achieving a competitive F1-score, proving its effectiveness for practical, real-world air quality forecasting systems on long lead time scenarios.
- Abstract（参考訳）: 粒子状物質(PM)濃度場の正確な長期地平線予測は、公共衛生決定に不可欠である。
しかし、複雑な地形と東アジアのような強い大気力学を持つ地域では、信頼性の高い予測を達成することは依然として困難である。
オーロラのような基礎モデルはグローバルな汎用性を提供するが、地域固有の力学を見逃し、非リアルタイムな入力に依存し、局所的な警告システムに対する実用性を制限している。
このギャップに対処するため、東アジアにおける実世界の観測と高解像度CMAQ-OBSデータセットの構築とリリースを行い、地域誤差を59.5%削減し、公衆衛生警告にとって重要なリアルタイム48-120時間予測を可能にした。
しかし、標準的なポイントワイドの目的は非対称な運用コストを反映できない。
このコストミスマッチにより、SFTモデルは過大な予測を行い、False Alarm Ratesを発生する。
グループ相対政策最適化(GRPO)を導入し、クラスワイドの報酬とカリキュラムのロールアウトを行い、予測を運用上の優先順位に合わせる。
実験の結果,我々のフレームワークは予測の信頼性を著しく向上させることがわかった。
SFTのみのベースラインと比較して、False Alarm Rateを47.3%削減し、競争力のあるF1スコアを実現し、長いリードタイムシナリオにおける実世界の空気質予測システムの有効性を実証した。
関連論文リスト
- Evaluating Adversarial Attacks on Federated Learning for Temperature Forecasting [3.0969191504482243]
本研究では,Copernicus European Regional ReAnalysis データセットを用いて学習した表層温度予測について検討した。
地理的に分散したクライアントをシミュレートし、地域温度予測に対するパッチベースおよびグローバルバイアス攻撃を評価する。
以上の結果から, 少数の有毒クライアントであっても, 大規模で空間的に結びついている領域において, 予測を誤認する可能性が示唆された。
論文 参考訳（メタデータ） (2025-12-15T11:22:24Z) - Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。
WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。
我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
論文 参考訳（メタデータ） (2025-12-09T17:20:56Z) - Observation-driven correction of numerical weather prediction for marine winds [14.58447529631976]
我々は,大域的数値天気予報(NWP)モデルの観測インフォームド補正として風速予測を再構成する。
我々は,GFS(Global Forecast System)の出力を調整するため,最新のその場観測を同調して局所補正パターンを学習する。
モデルはGFS 10mの風力RMSEを全リードタイムで48時間まで減少させ、1時間のリードタイムで45%、48時間のリードタイムで13%改善する。
論文 参考訳（メタデータ） (2025-12-03T09:39:44Z) - 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) - Out-of-Distribution Generalization in Climate-Aware Yield Prediction with Earth Observation Data [0.0]
GNN-RNNとMMST-ViTの2つの最先端ディープラーニングモデルを現実的なアウト・オブ・ディストリビューション条件下でベンチマークする。
GNN-RNNは、地理的シフトの下では正の相関で優れた一般化を示し、MMST-ViTはドメイン内では良好に機能するが、OOD条件下では著しく劣化する。
論文 参考訳（メタデータ） (2025-10-08T03:27:12Z) - MAUSAM: An Observations-focused assessment of Global AI Weather Prediction Models During the South Asian Monsoon [2.3326724664179985]
南アジアモンスーンにおけるAI不確実性の測定(MAUSAM:Measuring AI Uncertainty in South Asian Monsoon)について,7つのAIベースの予測システムの評価を行った。
AIモデルは、幅広い変数にわたるモンスーン中の印象的な予測スキルを示しています。
モデルは、極度の降水量の過小予測のような、より微細なスケールで体系的なエラーを示す。
論文 参考訳（メタデータ） (2025-09-02T01:51:40Z) - OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。
動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。
動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
論文 参考訳（メタデータ） (2025-02-01T06:49:16Z) - 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) - FuXi Weather: A data-to-forecast machine learning system for global weather [13.052716094161886]
FuXi Weatherは、複数の衛星のデータと類似した機械学習の天気予報システムである。
FuXi 気象は、中央アフリカなどの観測圏において、ECMWF HRES を一貫して上回っている。
論文 参考訳（メタデータ） (2024-08-10T07:42:01Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳（メタデータ） (2024-02-02T10:34:13Z) - 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) - Forecast-Aware Model Driven LSTM [0.0]
粗悪な空気質は人間の健康に大きな影響を及ぼす可能性がある。
モデルバイアスを補正するために使われる伝統的な手法は、線形性や基礎となる分布について仮定する。
ディープラーニングは、極端な空気質のイベントが存在する場合に、空気質の予測を約束する。
論文 参考訳（メタデータ） (2023-03-23T00:03:07Z)
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。