論文の概要: NEXUS: A compact neural architecture for high-resolution spatiotemporal air quality forecasting in Delhi National Capital Region

• arxiv url: http://arxiv.org/abs/2602.19654v2
• Date: Tue, 24 Feb 2026 06:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 13:30:08.567775
• Title: NEXUS: A compact neural architecture for high-resolution spatiotemporal air quality forecasting in Delhi National Capital Region
• Title（参考訳）: NEXUS:デリー首都圏における高分解能時空間空気質予測のためのコンパクトニューラルネットワークアーキテクチャ
• Authors: Rampunit Kumar, Aditya Maheshwari,
• Abstract要約: 一酸化炭素、酸化窒素、二酸化硫黄を予測するためのNEXUSアーキテクチャを提案する。 NEXUSは優れた予測性能と計算効率を提供し、空気質監視システムのリアルタイム展開を可能にしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Urban air pollution in megacities poses critical public health challenges, particularly in Delhi National Capital Region (NCR) where severe degradation affects millions. We present NEXUS (Neural Extraction and Unified Spatiotemporal) architecture for forecasting carbon monoxide, nitrogen oxide, and sulfur dioxide. Working with four years (2018--2021) of atmospheric data across sixteen spatial grids, NEXUS achieves R$^2$ exceeding 0.94 for CO, 0.91 for NO, and 0.95 for SO$_2$ using merely 18,748 parameters -- substantially fewer than SCINet (35,552), Autoformer (68,704), and FEDformer (298,080). The architecture integrates patch embedding, low-rank projections, and adaptive fusion mechanisms to decode complex atmospheric chemistry patterns. Our investigation uncovers distinct diurnal rhythms and pronounced seasonal variations, with winter months experiencing severe pollution episodes driven by temperature inversions and agricultural biomass burning. Analysis identifies critical meteorological thresholds, quantifies wind field impacts on pollutant dispersion, and maps spatial heterogeneity across the region. Extensive ablation experiments demonstrate each architectural component's role. NEXUS delivers superior predictive performance with remarkable computational efficiency, enabling real-time deployment for air quality monitoring systems.
• Abstract（参考訳）: 都市部の大気汚染は、特に深刻な劣化が数百万に影響を及ぼすデリー首都地域(NCR)において、公衆衛生上の重大な問題を引き起こす。 我々は,一酸化炭素,酸化窒素,二酸化硫黄を予測するためのNEXUS(Neural extract and Unified Spatiotemporal)アーキテクチャを提案する。 NEXUSは16の空間格子にまたがる4年間(2018-2021年)の大気データを処理し、COが0.94ドル、NOが0.91ドル、SO$2$が0.95ドルに達し、SCINet (35,552)、Autoformer (68,704年)、FEDformer (298,080年)よりもほぼ少ない18,748個のパラメータで処理した。 このアーキテクチャは、複雑な大気化学パターンをデコードするために、パッチの埋め込み、低ランクの投影、適応的な融合機構を統合する。 冬期は気温の逆転と農業用バイオマスの燃焼による深刻な汚染現象を経験する。 分析は、臨界気象閾値を特定し、汚染物質分散に対する風速の影響を定量化し、地域全体の空間的不均一性をマッピングする。 大規模なアブレーション実験は、それぞれのアーキテクチャコンポーネントの役割を実証する。 NEXUSは優れた予測性能と計算効率を提供し、空気質監視システムのリアルタイム展開を可能にしている。

関連論文リスト

• Breaking the Regional Barrier: Inductive Semantic Topology Learning for Worldwide Air Quality Forecasting [99.4484686548807]
  我々は,グローバルなステーションレベルの予測に適した意味的トポロジ学習フレームワークであるOmniAirを提案する。 提案手法は,不均一分散グローバルネットワークにおける長距離非ユークリッド相関と物理拡散パターンを効果的に捉える。 実験によると、OmniAirは18のベースラインに対して最先端のパフォーマンスを実現し、既存のモデルよりも10倍近いスピードで高い効率とスケーラビリティを維持している。
  論文  参考訳（メタデータ） (2026-01-29T15:58:07Z)
• 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)
• AI-Driven Carbon Monitoring: Transformer-Based Reconstruction of Atmospheric CO2 in Canadian Poultry Regions [0.0]
  カナダ南部のOCO-2から連続的で不確実なXCO2フィールドを再構築する枠組みを提案する。 このモデルはウェーブレットの時間周波数表現を、気象学、植生指標、地形、土地被覆に対するトランスフォーマーの注意と融合させる。
  論文  参考訳（メタデータ） (2025-10-26T10:41:12Z)
• Forecasting Smog Events Using ConvLSTM: A Spatio-Temporal Approach for Aerosol Index Prediction in South Asia [0.0]
  南アジアスモッグ(南アジアスモッグ、英: South Asian Smog)は、汚染レベルが高いこと、可視性が低下すること、社会経済的影響が著しいことなどが特徴である。 過去10年間で、穀物の残留物や自動車、天候の変化といった大気汚染の源が増加し、スモッグ現象が激化している。 エアロゾル指数はスモッグ形成と密接な関係があり、大気質指数(AQI)の計算において重要な要素である。
  論文  参考訳（メタデータ） (2025-08-19T14:54:42Z)
• 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)
• Causal Links Between Anthropogenic Emissions and Air Pollution Dynamics in Delhi [0.0]
  デリー・ナショナル・キャピタル地域は、人為的放出と気象条件の間の複雑な相互作用により大気汚染のエピソードを経験している。 本研究では,予測モデルと因果推論手法を用いて,PM_2.5$および$O_3$濃度における人為的放出の因果関係について検討した。
  論文  参考訳（メタデータ） (2025-03-24T17:25:44Z)
• 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)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)

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。