論文の概要: Ontology-Based Knowledge Modeling and Uncertainty-Aware Outdoor Air Quality Assessment Using Weighted Interval Type-2 Fuzzy Logic
- arxiv url: http://arxiv.org/abs/2603.19683v1
- Date: Fri, 20 Mar 2026 06:31:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 19:48:39.027819
- Title: Ontology-Based Knowledge Modeling and Uncertainty-Aware Outdoor Air Quality Assessment Using Weighted Interval Type-2 Fuzzy Logic
- Title（参考訳）: 重み付きインターバル型2ファジィ論理を用いたオントロジーに基づく知識モデリングと不確実性を考慮した屋外空気質評価
- Authors: Md Inzmam, Ritesh Chandra, Sadhana Tiwari, Sonali Agarwal, Triloki Pant,
- Abstract要約: インド大気質指数(Indian Air Quality Index、IND-AQI)は、PM2.5、PM10、二酸化窒素(NO2)、二酸化硫黄(SO2)、オゾン(O3)、一酸化炭素(CO)、アンモニア(NH3)などの汚染物質に基づく大気質の標準報告システムである。
- 参考スコア（独自算出の注目度）: 3.204917758089883
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Outdoor air pollution is a major concern for the environment and public health, especially in areas where urbanization is taking place rapidly. The Indian Air Quality Index (IND-AQI), developed by the Central Pollution Control Board (CPCB), is a standardized reporting system for air quality based on pollutants such as PM2.5, PM10), nitrogen dioxide (NO2), sulfur dioxide (SO2), ozone (O3), carbon monoxide (CO), and ammonia (NH3). However, the traditional calculation of the AQI uses crisp thresholds and deterministic aggregation rules, which are not suitable for handling uncertainty and transitions between classes. To address these limitations, this study proposes a hybrid ontology-based uncertainty-aware framework integrating Weighted Interval Type-2 Fuzzy Logic with semantic knowledge modeling. Interval Type-2 fuzzy sets are used to model uncertainty near AQI class boundaries, while pollutant importance weights are determined using Interval Type-2 Fuzzy Analytic Hierarchy Process (IT2-FAHP) to reflect their relative health impacts. In addition, an OWL-based air quality ontology extending the Semantic Sensor Network (SSN) ontology is developed to represent pollutants, monitoring stations, AQI categories, regulatory standards, and environmental governance actions. Semantic reasoning is implemented using SWRL rules and validated through SPARQL queries to infer AQI categories, health risks, and recommended mitigation actions. Experimental evaluation using CPCB air quality datasets demonstrates that the proposed framework improves AQI classification reliability and uncertainty handling compared with traditional crisp and Type-1 fuzzy approaches, while enabling explainable semantic reasoning and intelligent decision support for air quality monitoring systems
- Abstract（参考訳）: 屋外大気汚染は、特に都市化が急速に進んでいる地域では、環境と公衆衛生にとって大きな関心事である。
インド大気質指数 (Indian Air Quality Index, IND-AQI) は、PM2.5、PM10、二酸化窒素(NO2)、二酸化硫黄(SO2)、オゾン(O3)、一酸化炭素(CO)、アンモニア(NH3)などの汚染物質に基づく大気質の標準報告システムである。
しかし、従来のAQIの計算では、クラス間の不確実性や遷移を扱うには適さない、クリップしきい値と決定論的集約ルールが使用されている。
これらの制約に対処するために、重み付きインターバルタイプ-2ファジィ論理と意味知識モデリングを組み合わせたハイブリッドオントロジーに基づく不確実性認識フレームワークを提案する。
一方,Interval Type-2 Fuzzy Analytic Hierarchy Process (IT2-FAHP) では, 相対的な健康影響を反映して, 汚染重みが決定される。
さらに,セマンティックセンサネットワーク(SSN)のオントロジーを拡張したOWLベースの大気質オントロジーを開発し,汚染物質,監視局,AQIカテゴリ,規制基準,環境管理行動を表現する。
セマンティック推論はSWRLルールを使用して実装され、AQIカテゴリ、健康リスク、推奨緩和アクションを推測するためにSPARQLクエリを通じて検証される。
CPCB空気質データセットを用いた実験評価により,提案手法は従来のクロップ法やタイプ1ファジィ法と比較して,AQI分類の信頼性と不確実性を向上し,説明可能なセマンティック推論と知的意思決定支援を空気質監視システムに適用できることが示されている。
関連論文リスト
- Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳（メタデータ） (2026-01-21T14:13:44Z) - 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) - Air Quality Prediction Using LOESS-ARIMA and Multi-Scale CNN-BiLSTM with Residual-Gated Attention [0.0]
本稿では,LOESS分解,ARIMAモデリング,および残差対応型アテンション機構を備えたマルチスケールCNN-BiLSTMネットワークを統合したハイブリッド予測フレームワークを提案する。
中央公害管理委員会による2021-2023 AQIデータセットの実験は,提案手法が統計的,深層学習,ハイブリッドベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2025-10-26T20:18:30Z) - Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。
大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。
本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
論文 参考訳（メタデータ） (2025-10-08T10:09:47Z) - 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) - Spatiotemporal Air Quality Mapping in Urban Areas Using Sparse Sensor Data, Satellite Imagery, Meteorological Factors, and Spatial Features [11.845097068829551]
本稿では,高時間空気質指標マッピングのためのフレームワークを提案する。
空間的および時間的依存関係に基づいて,非時間的位置におけるAQI値を推定する。
パキスタンのラホールにおけるケーススタディを通じて,我々のアプローチの活用について解説する。
論文 参考訳（メタデータ） (2025-01-20T04:39:13Z) - Rule based Complex Event Processing for an Air Quality Monitoring System in Smart City [0.929965561686354]
本研究は,ルールベースの複合イベント処理(CEP)とSPARQLクエリを用いた大気質監視のための統合フレームワークを提案する。
データセットはインドのCPCB(Central Pollution Control Board)から収集され、そのデータは前処理され、Apache Kafkaに渡される。
その結果、前処理されたデータをRDF(Resource Description Framework)データに変換し、CEPエンジンに取り込み込む知識グラフと統合する。
論文 参考訳（メタデータ） (2024-03-16T10:35:34Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Using Machine Learning to Predict Air Quality Index in New Delhi [0.0]
各種汚染物質のレベルと大気質指標の予測には,SVRモデルを用いる。
このモデルは、二酸化炭素、一酸化炭素、二酸化窒素、粒子状物質2.5、地上レベルのオゾンなどの様々な汚染物質を、精度93.4%で予測する。
論文 参考訳（メタデータ） (2021-12-10T00:20:05Z) - 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。