A Neural Operator for Forecasting Carbon Monoxide Evolution in Cities

要約

一酸化炭素 (CO) 濃度のリアルタイム予測は、都市の大気質を改善するためのタイムリーな介入を可能にするために不可欠です。
従来の大気質モデルは、多くの場合、正確なマルチスケール予測を行うために広範な計算リソースを必要とし、迅速なリアルタイムの適用に対する実用性が制限されていました。
この課題に対処するために、CO 濃度を効率的に予測する機械学習モデルである Complex Neural Operator for Air Quality (CoNOAir) を導入します。
CoNOAir は、国家規模での短期 (時間ごと) 予測と長期 (72 時間) 予測の両方において、フーリエ ニューラル オペレーター (FNO) などの最新モデルよりも優れたパフォーマンスを示します。
極度の汚染イベントの捕捉に優れており、インドの複数の都市で一貫して実行し、評価されたすべての場所で時間ごとの CO 予測で 0.95 を超える R2 を達成しました。
CoNOAir は、当局に早期警告を発し、対象を絞った介入戦略を設計するための効果的なツールを提供します。
この研究は、人口密集した都市中心部における信頼性の高いリアルタイムの CO 汚染予測の実現に向けた一歩前進を示しています。

要約(オリジナル)

Real-time forecasting of carbon monoxide (CO) concentrations is essential for enabling timely interventions to improve urban air quality. Conventional air quality models often require extensive computational resources for accurate, multi-scale predictions, limiting their practicality for rapid, real-time application. To address this challenge, we introduce the Complex Neural Operator for Air Quality (CoNOAir), a machine learning model that forecast CO concentrations efficiently. CoNOAir demonstrates superior performance over state-of-theart models, such as the Fourier Neural Operator (FNO), in both short-term (hourly) and extended (72-hour) forecasts at a national scale. It excels in capturing extreme pollution events and performs consistently across multiple Indian cities, achieving an R2 above 0.95 for hourly CO predictions across all evaluated locations. CoNOAir equips authorities with an effective tool for issuing early warnings and designing targeted intervention strategies. This work marks a step forward in achieving dependable, real-time CO pollution predictions for densely populated urban centres.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google