論文の概要: Graph Convolutional Support Vector Regression for Robust Spatiotemporal Forecasting of Urban Air Pollution

• arxiv url: http://arxiv.org/abs/2605.03795v1
• Date: Tue, 05 May 2026 14:24:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.970588
• Title: Graph Convolutional Support Vector Regression for Robust Spatiotemporal Forecasting of Urban Air Pollution
• Title（参考訳）: 都市大気汚染のロバスト時空間予測のためのグラフ畳み込み支援ベクトル回帰
• Authors: Nourin Jahan, Madhurima Panja, Muhammed Navas T, Tanujit Chakraborty,
• Abstract要約: 本研究では,都市大気汚染のロバスト予測のためのGCSVR(Conal Support Regression Vector)フレームワークを提案する。 提案手法はムンバイの37の観測所とインド18の観測所の大気質記録を用いて評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban air quality forecasting is challenging because pollutant concentrations are nonlinear, nonstationary, spatiotemporally dependent, and often affected by anomalous observations caused by traffic congestion, industrial emissions, and seasonal meteorological variability. This study proposes a Graph Convolutional Support Vector Regression (GCSVR) framework for robust spatiotemporal forecasting of urban air pollution. The model combines graph convolutional learning to capture inter-station spatial dependence with support vector regression to model nonlinear temporal dynamics while reducing sensitivity to outlier observations. The proposed framework is evaluated using air quality records from 37 monitoring stations in Delhi and 18 stations in Mumbai, representing inland and coastal metropolitan environments in India. Forecasting performance is assessed across multiple horizons and compared with established temporal and spatiotemporal benchmarks. The results show that GCSVR consistently improves predictive accuracy and maintains stable performance across seasons and outlier-prone pollution episodes. Statistical test further confirms the reliability of the proposed approach across the two cities. Finally, conformal prediction is integrated with GCSVR to generate calibrated prediction intervals, enhancing its practical value for uncertainty-aware air quality monitoring and public health decision-making.
• Abstract（参考訳）: 都市大気質の予測は、汚染物質濃度が非線形、非定常、時空間依存であり、しばしば交通渋滞、産業排出、季節変動による異常な観測に影響されるため困難である。 本研究では,都市大気汚染の時空間予測のためのグラフ畳み込み支援ベクトル回帰(GCSVR)フレームワークを提案する。 このモデルはグラフ畳み込み学習を組み合わせて、ステーション間空間依存を捕捉し、非線形時間的ダイナミクスをモデル化し、外部観測に対する感度を低下させる。 提案手法はムンバイのデリーの37局, ムンバイの18局から, インドにおける内陸および沿岸の都市環境を指標として, 大気質の記録を用いて評価した。 予測性能は複数の地平線にまたがって評価され、確立された時間的および時空間的ベンチマークと比較される。 その結果,GCSVRは予測精度を一貫して改善し,季節ごとの安定性能と,大気汚染の発生頻度を安定的に維持することがわかった。 統計的テストは、提案された2都市間のアプローチの信頼性をさらに確認する。 最後に、コンフォメーション予測をGCSVRに統合し、キャリブレーションされた予測間隔を生成し、不確実性を認識した空気質モニタリングと公衆衛生決定のための実用的価値を高める。

関連論文リスト

• End-to-end data-driven prediction of urban airflow and pollutant dispersion [1.3874486202578666]
  本研究の目的は, 意思決定者を支援するため, 都市汚染物質分散の迅速かつ正確なモデルを開発することである。 道路キャニオンにおける気流と汚染物質分散のモデル化と予測を行うために, エンドツーエンドのデータ駆動方式を提案する。 その結果, 時間的地平線上での時間的および統計的に定常な場予測において, モデルの有効性が示された。
  論文  参考訳（メタデータ） (2026-03-18T11:19:13Z)
• Probabilistic NDVI Forecasting from Sparse Satellite Time Series and Weather Covariates [1.1503354666872168]
  植生動態の正確な短期予測は、精密農業におけるデータ駆動型意思決定支援の鍵となる。 衛星観測によるNDVIの予測は、雲の被覆によって引き起こされるスパースと不規則なサンプリングのため、依然として困難である。 本研究では,フィールドレベルのNDVI予測のための確率的予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-04T17:48:52Z)
• 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 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)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Enhancing multivariate post-processed visibility predictions utilizing CAMS forecasts [0.0]
  天気予報には視界のアンサンブル予測が組み込まれている。 予測の信頼性と精度を高めるために、後処理が推奨される。 本研究は, 後処理後の予測が, 生・気候予測よりもかなり優れていることを確認した。
  論文  参考訳（メタデータ） (2024-06-20T09:57:49Z)
• WaveCatBoost for Probabilistic Forecasting of Regional Air Quality Data [0.0]
  この手紙は、大気汚染物質のリアルタイム濃度を予測するために設計された新しいWaveCatBoostアーキテクチャを提示する。 このハイブリッドアプローチは、時系列を高周波および低周波成分に効率よく変換し、ノイズから信号を抽出する。
  論文  参考訳（メタデータ） (2024-04-08T13:01:25Z)
• 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)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)

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。