CoNOAir: A Neural Operator for Forecasting Carbon Monoxide Evolution in Cities

要約

一酸化炭素 (CO) は、産業、自動車、家庭の需要に応じて化石燃料からエネルギーが生成されるため、都市部では主要な汚染物質です。
CO の進行をリアルタイムで予測することで、効果的な早期警告システムと介入戦略の導入が可能になります。
ただし、物理学および化学ベースのシミュレーションに関連する計算コストにより、このようなモデルを都市や国規模で実装することは法外になります。
この課題に対処するために、ここでは、効果的に CO 濃度を予測できる、ニューラル オペレーターに基づく機械学習モデル、つまり Complex Neural Operator for Air Quality (CoNOAir) を紹介します。
私たちは、CO 濃度の短期 (時間ごと) および長期 (72 時間) の予測のための国レベルのモデルを開発することによってこれを実証します。
当社のモデルは、フーリエ ニューラル演算子 (FNO) などの最先端のモデルを上回り、短期および長期の両方の予測において信頼性の高い予測を提供します。
さらに、インドの都市における極端な現象を捉えて予測を生成するモデルの機能を分析します。
興味深いことに、このモデルは、対象となっているすべての都市について、R2 値が 0.95 を超える次の 1 時間の CO 濃度を予測していることがわかります。
このようなモデルの展開は、統治機関が早期に警告を発し、介入戦略を計画し、いくつかの what-if シナリオを考慮して効果的な戦略を開発するのに非常に役立ちます。
全体として、現在のアプローチは、都市における二酸化炭素汚染のリアルタイム予測に役立つ可能性があります。

要約(オリジナル)

Carbon Monoxide (CO) is a dominant pollutant in urban areas due to the energy generation from fossil fuels for industry, automobile, and domestic requirements. Forecasting the evolution of CO in real-time can enable the deployment of effective early warning systems and intervention strategies. However, the computational cost associated with the physics and chemistry-based simulation makes it prohibitive to implement such a model at the city and country scale. To address this challenge, here, we present a machine learning model based on neural operator, namely, Complex Neural Operator for Air Quality (CoNOAir), that can effectively forecast CO concentrations. We demonstrate this by developing a country-level model for short-term (hourly) and long-term (72-hour) forecasts of CO concentrations. Our model outperforms state-of-the-art models such as Fourier neural operators (FNO) and provides reliable predictions for both short and long-term forecasts. We further analyse the capability of the model to capture extreme events and generate forecasts in urban cities in India. Interestingly, we observe that the model predicts the next hour CO concentrations with R2 values greater than 0.95 for all the cities considered. The deployment of such a model can greatly assist the governing bodies to provide early warning, plan intervention strategies, and develop effective strategies by considering several what-if scenarios. Altogether, the present approach could provide a fillip to real-time predictions of CO pollution in urban cities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google